如何从 Pytorch 代码中保存自定义版本的 CIFAR-10 并在 TensorFlow Colab 代码中使用它？

问：

我有一个 Pytorch 程序，可以动态生成 CIFAR-10 的自定义版本（它不会保存自定义的 CIFAR-10，但该程序会下载原始数据集，对其进行自定义，并将其用于训练）。我想将自定义的 CIFAR-10 保存到磁盘上，然后用它来训练用 TensorFlow 编写的模型，该模型可在 Google Colab 中在线获得。我的问题是： 1- 如何从 Pytorch 程序将自定义的 CIFAR-10 保存到磁盘？ 我使用 torch.save 将以下行返回的对象保存为 Pytorch 张量：

train_dataset = datasets.CIFAR10(root=data_dir, train=True, download=True, transform=train_transform)
torch.save(train_dataset, '../../../Customized_cifar_10.pt')

2. 然后，我将 Pytorch 张量（即 Customized_cifar_10.pt）转换为 numpy 数组，如下所示：

train_pytorch_tensor = tf.io.read_file("/content/Customized_cifar_10.pt")
(x_train, y_train) = train_pytorch_tensor.numpy()

在这里，我希望x_train形状（50000、32、32、3） y_train形状为 （50000， 1）

ValueError                                Traceback (most recent call last)
<ipython-input-9-e6dca0bdb678> in <cell line: 23>()
     21 # convert from pytorch tensors to numpy arrays.
     22 train_pytorch_tensor = tf.io.read_file("/content/Customized_cifar_10.pt")
---> 23 (x_train, y_train) = train_pytorch_tensor.numpy()
    

ValueError: too many values to unpack (expected 2)

我上面描述的方法不起作用。谁能告诉我如何实现这一目标？感谢您的帮助。谢谢！