我尝试在Tensorflow 2.1中转换Tensor的shape属性，但遇到以下错误：

AttributeError: 'Tensor' object has no attribute 'numpy'

我已经检查了tf.executing eagerly()的输出是True，
一点背景：我从TFRecords中加载了一个tf.data.Dataset，然后应用了一个map。Map函数试图将数据集示例Tensor的shape属性转换为numpy：

def _parse_and_decode(serialized_example):
    """ parse and decode each image """
    features = tf.io.parse_single_example(
        serialized_example,
        features={
            'encoded_image': tf.io.FixedLenFeature([], tf.string),
            'kp_flat': tf.io.VarLenFeature(tf.int64),
            'kp_shape': tf.io.FixedLenFeature([3], tf.int64),
        }
    )
    image = tf.io.decode_png(features['encoded_image'], dtype=tf.uint8)
    image = tf.cast(image, tf.float32)

    kp_shape = features['kp_shape']

    kp_flat = tf.sparse.to_dense(features['kp_flat'])
    kp = tf.reshape(kp_flat, kp_shape)

    return image, kp

def read_tfrecords(records_dir, batch_size=1):
    # Read dataset from tfrecords
    tfrecords_files = glob.glob(os.path.join(records_dir, '*'))
    dataset = tf.data.TFRecordDataset(tfrecords_files)
    dataset = dataset.map(_parse_and_decode, num_parallel_calls=batch_size)
    return dataset

def transform(img, labels):
    img_shape = img.shape  # type: <class 'tensorflow.python.framework.ops.Tensor'>`
    img_shape = img_shape.numpy()  # <-- Throws the error
    # ...    

dataset = read_tfrecords(records_dir)

这将抛出错误：

dataset.map(transform, num_parallel_calls=1)

虽然这是完美的工作：

for img, labels in dataset.take(1):
    print(img.shape.numpy())

• 编辑：* 尝试访问img.numpy()而不是img.shape.numpy()会导致上面的转换器和codde出现相同的行为。

我检查了img_shape的类型，它是<class 'tensorflow.python.framework.ops.Tensor'>。
有没有人在新版Tensorflow中解决了这类问题？