如何在Tensorflow中创建自定义图像数据集

Question

我正在尝试使用Estimators和或Keras创建图像分类器。

我一直在遵循此页面上的教程：https://www.tensorflow.org/tutorials/load_data/images。

我使用以下代码构建了图像和标签的数据集：

ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))

image_label_ds = ds.map(load_and_preprocess_from_path_label)

image_label_ds输出如下：

<DatasetV1Adapter shapes: ((180, 360, 3), ()), types: (tf.float32, tf.int32)>

由于本教程使用的MobileNetV2可以接受大小为（192,192,3）的图像，所以我不再遵循本教程。

有人可以向我解释如何对数据集进行所有必要的准备，然后将其馈入DNNClassifier预制估算器吗？

Answer 1

问题尚不清楚，为什么您不能继续学习本教程？

无论如何，如果问题是输入大小不同，那么在本教程中，您将定义网络的输入形状：

mobile_net = tf.keras.applications.MobileNetV2(input_shape=(192, 192, 3), include_top=False)

尝试将网络的input_shape定义为您使用的图像大小-（180，360，3）