run till exit from #0_tf.data.Dataset.from_tensor_slices一个神奇的现象，不清楚原因！

先说一说这个现象是什么.在自己学习tensorflow的tf.data的时候，发现开始使用的dataset，他的输出是对应的且先后的顺序对的上，然后又输入了一个，发现顺序的前后颠倒了。然后我又故意的把dataset1里面的数据的顺序反过来了作为dataset2，想着这次的结果应该是反过来的，但是并没有反过来，也如dataset1的一样。简直了，不懂，不懂。

代码先行：

import tensorflow as tf
import numpy as np


dataset = tf.data.Dataset.from_tensor_slices(
  (np.array([1.0, 2.0, 3.0, 4.0, 5.0]), np.random.uniform(size=(5, 2)))
)

dataset1 = tf.data.Dataset.from_tensor_slices(
    {
        "a": np.array([1.0, 2.0, 3.0, 4.0, 5.0]),                                       
        "b": np.random.uniform(size=(5, 2))
    }
)
dataset2 = tf.data.Dataset.from_tensor_slices(
    {
                                              
        "b": np.random.uniform(size=(5, 2)),
        "a": np.array([1.0, 2.0, 3.0, 4.0, 5.0])
    }
)
iterator = dataset.make_one_shot_iterator()
iterator1 = dataset1.make_one_shot_iterator()
iterator2 = dataset2.make_one_shot_iterator()

one_element = iterator.get_next()
one_element1 = iterator1.get_next()
one_element2 = iterator2.get_next()

with tf.Session() as sess:
    for i in range(5):
        print(sess.run(one_element))
print("*"*15)
with tf.Session() as sess:
    for i in range(5):
        print(sess.run(one_element1))
print("*"*15)
with tf.Session() as sess:
    for i in range(5):
        print(sess.run(one_element2))
print("*"*15)
         

结果在这：

dataset1与2的输出一模一样！

望知道的同道说一下！

再后来又修改了一下

dataset2 = tf.data.Dataset.from_tensor_slices(
    {
                                              
        "a": np.random.uniform(size=(5, 2)),
        "b": np.array([1.0, 2.0, 3.0, 4.0, 5.0])
    }
)

dataset2输出的结果：

{'b': 1.0, 'a': array([0.66135257, 0.17590484])}
{'b': 2.0, 'a': array([0.12506575, 0.68063242])}
{'b': 3.0, 'a': array([0.23744592, 0.62312555])}
{'b': 4.0, 'a': array([0.18492174, 0.12950326])}
{'b': 5.0, 'a': array([0.6129567 , 0.24128473])}

发现输出的结果依旧是b在前，a在后，或许他最后的输出就是按照键的大小排序的吧，从大到小的排的，与值的类型无关吧。