我有这段代码：
import tensorflow as tf
import numpy as np
def scale(X, a=-1, b=1, dtype='float32'):
    if a > b:
        a, b = b, a
    xmin = tf.cast(tf.math.reduce_min(X), dtype=dtype)
    xmax = tf.cast(tf.math.reduce_max(X), dtype=dtype)
    X = (X - xmin) / (xmax - xmin)
    scaled = X * (b - a) + a
    return scaled, xmin, xmax
a = np.ones((10, 20, 20, 2))
dataset = tf.data.Dataset.from_tensor_slices(a)
data = dataset.map(lambda x: tf.py_function(scale,
                                            [x], 
                                            (tf.float32, tf.float32, tf.float32)))
到此为止，一切正常，我收到：
data
<MapDataset shapes: (<unknown>, <unknown>, <unknown>), types: (tf.float32, tf.float32, tf.float32)>
现在，我必须使用tf.ensure_shape来创建形状。
例如，如果`scale`函数只返回一个值，`scale`，那么我会这样做：
data = data.map(lambda x: tf.ensure_shape(x, [10, 20, 20, 2]))
现在，当我有3个输出值时该怎么办？
因此，我希望能够使用`scale`函数的结果，这就是我在做所有这些的原因。如果有其他方法，我不知道。
缩放值，xmin和xmax

def scale(X, a=-1, b=1, dtype='float32'):
    if a > b:
        a, b = b, a
    xmin = tf.cast(tf.math.reduce_min(X), dtype=dtype)
    xmax = tf.cast(tf.math.reduce_max(X), dtype=dtype)
    X = (X - xmin) / (xmax - xmin)
    scaled = X * (b - a) + a
    return scaled, xmin, xmax
a = tf.random.uniform(shape=[10, 20, 20, 2], minval=1, maxval=5)
dataset = tf.data.Dataset.from_tensor_slices(a)
dataset = dataset.map(
    lambda x: tf.py_function(
        scale,
        [x], 
        (tf.float32, tf.float32, tf.float32))
)
def set_shape(x, y, z):
    x = tf.reshape(x, [-1, 20, 20, 2])
    y = tf.reshape(y, [1])
    z = tf.reshape(z, [1])
    return x, y, z
dataset = dataset.map(set_shape)
a, b, c = next(iter(data))
a.shape, b.shape, c.shape
(TensorShape([1, 20, 20, 2]), TensorShape([1]), TensorShape([1]))