使用ImageDataGenerator + flow_from_directory + tf.data.Dataset进行的tensorflow 2.0 keras培训，得出与“形状”有关的错误

Question

我正在尝试将生成器包装到tf.data.Dataset中（只是为了了解这一点）。这是我的片段。希望有人能发现我做错了什么。

img_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)

gen = img_gen.flow_from_directory(data_path, target_size=(224, 224), batch_size=32)

dataset = tf.data.Dataset.from_generator(
            lambda: gen,
            output_types = (tf.float32, tf.float32),
            output_shapes = ([32, 224, 224, 3], [32, 6]),
)

model.fit(dataset, 
          steps_per_epoch = gen.n // 32, 
          epochs=10)

[ValueError：generator产生了形状为（11，224，224，3）的元素，其中期望形状为（32，224，224，3）的元素。

Answer 1

如果我更改了此设置，我“出现”来解决此问题：

dataset = tf.data.Dataset.from_generator(
    lambda: gen,
    output_types = (tf.float32, tf.float32),
    # output_shapes = ([32, 224, 224, 3], [32, 6]),
    output_shapes = ([None, 224, 224, 3], [None, 6]),
)

即而不是在这段代码中显式的批处理大小为32，而是将它替换为None。它显然不再抱怨（11，224，224，3），剩余的批处理位。但是，是否有一种方法可以使数据集即使在最后也可以采样32？只需翻到火车的“开始”位置即可。我还是有些可疑。

我从.fit开始，显然它正在运行，损失减少且准确性在每个时期都有提高。

如果有人有更好的方法或解释，请告诉我。