0

我正在尝试规范化 tf.data.Dataset，如下所示：

def normalization(image):
    print(image['label'])
    
    return 1
    

z = val.map(normalization)

val 数据集是这样的：

<TakeDataset shapes: { id: (), image: (32, 32, 3), label: ()}, types: {id: tf.string, image: tf.uint8, label: tf.int64}>

如果我打印一个元素，我可以看到：

  { 'id': <tf.Tensor: shape=(), dtype=string, numpy=b'train_31598'>, 'image': <tf.Tensor: shape=(32, 32, 3), dtype=uint8, 
 numpy=    array([[[151, 130, 106],
            .....,
            [104,  95,  77]]], dtype=uint8)>, 'label': <tf.Tensor: shape=(), dtype=int64, numpy=50>}

但是在我的函数输出中打印它：

 'id': <tf.Tensor 'args_1:0' shape=() dtype=string>, 'image': <tf.Tensor 'args_2:0' shape=(32, 32, 3) dtype=uint8>, 'label': <tf.Tensor 'args_3:0' shape=() dtype=int64>}

所以我不能对我的图像数组执行任何转换，因为我没有张量数组'args_2:0'

如何正确地将每个元素传递给我的规范化函数？

4

1 回答 1

1

我在标准数据集上尝试了您的代码，但它不起作用。image['label'] 不正确，因为您应该给出一个整数。这是我对您的代码的修改：

def normalization(image,label):
print(image[0])

return tf.cast(image, tf.float32) / 255., label


z = ds_train.map(normalization)
于 2021-05-28T07:42:16.263 回答