从简单的python列表创建图像和标签的tensorflow数据集

Question

[我一直在尝试利用各种灵感-特别是this one-创建带标签的图像数据集以传递给model.fit()。

我的代码似乎等同于该问题在the answer中给出的代码... _parse_function()与该问题的OP稍有不同：

def load_image( path, label ):
  file_contents = tf.io.read_file( path )
  image = tf.image.decode_image( file_contents )
  image = tf.image.convert_image_dtype( image, tf.float32 )
  return image, label

我可以在python命令行中独立测试此功能，例如image, label = load_image( "tiger.jpg", "Tiger" )并以"Tiger"标签和正确对应于图像左上像素的image[0][0]结尾：

>>> image[0][0]
<tf.Tensor: shape=(3,), dtype=float32, numpy=array([0.37254903, 0.5529412 , 0.854902  ], dtype=float32)>

同样，如果我在程序中尝试print( image[ 0 ][ 0 ]，则会得到：

tf.Tensor([0.37254903 0.5529412  0.854902  ], shape=(3,), dtype=float32)

我是python的新手，所以我希望这些只是主题上的等效变化，但是无论哪种方式，当我将所有内容传递给程序中的model.fit()时，我都会得到：

 ValueError: Cannot take the length of shape with unknown rank.

任何主题的变化都没有使我超越这一点。我从数据集中消除了所有管道操作（例如，没有.shuffle()，没有.repeat()，没有.batch()），因此我只使用了.map()函数，并得到相同的错误结果。我可以看到的唯一错误可能是在上面的load_image()函数中，或在调用代码中：

dataset = tf.data.Dataset.from_tensor_slices( ( images, labels ) )   # tf.constant() does not change error
dataset = dataset.map( load_map )
model.fit( dataset, epochs=100 )

导致错误的原因是什么？

Answer 1

decode_image存在一个已知的问题-无法正确设置形状信息（请参阅here。您可以使用更具体的调用-例如decode_jpeg或decode_png。

此外...您将遇到的下一个问题是，您不能直接使用“老虎”之类的标签。如果“老虎”在诸如““狮子”，“老虎”，“斑马”，“猿”，...]等类别的列表中，则您需要在此类列表中使用“老虎”的索引（即1）或一键式表示（即[False,True,False,False,...]）