如何在Tensorflow中使用Datatset.map创建图像-标签对的数据集？

(图像，标签)对是通过转换路径组件的列表，并将标签编码为整数格式来创建的。 “map”方法有助于创建与(图像,标签)对应的数据集。

我们将使用包含数千个花卉图像的花卉数据集。 它包含5个子目录，每个类都有一个子目录。

我们使用Google Colaboratory来运行下面的代码。 Google Colab或Colaboratory可以在浏览器上运行Python代码，不需要任何配置，并且可免费访问GPU（图形处理器）。 Colaboratory是在Jupyter Notebook之上构建的。

print("设置'num_parallel_calls'以便并行加载和处理多个图像")
train_ds = train_ds.map(process_path, num_parallel_calls=AUTOTUNE)
val_ds = val_ds.map(process_path, num_parallel_calls=AUTOTUNE)

for image, label in train_ds.take(1):
   print("图像的形状为：", image.numpy().shape)
   print("标签是：", label.numpy())

更多Python相关文章，请阅读：Python 教程

输出

设置'num_parallel_calls'以便并行加载和处理多个图像
图像的形状为：(180, 180, 3)
标签是：0

代码来源：https://www.tensorflow.org/tutorials/load_data/images

说明

• 同时加载和处理多个图像。
• 使用“map”方法创建包含(图像,标签)对的数据集。
• 迭代数据集，并在控制台上显示形状和标签的维度。