Question

我正在使用tensorflow_datasets (tfds doc)

加载CIFAR-100

train, test = tfds.load(name="cifar100:3.*.*", split=["train", "test"], as_supervised=True)

CIFAR-100既有标签（100个类），也有arrough_label（20个类），如上面链接的文档所示。可以轻松访问标签，例如：

for image, label in train:
     # ... the label here is the actual label, not the coarse_label

但是，我正计划基于arough_label进行操作，例如，对其进行过滤或将其用作Keras分类器中的标签。

我该如何访问粗糙标签？

Answer 1

我找到了解决方案。如果我没有按照监督的方式加载，即删除了as_supervised=True

train, test = tfds.load(name="cifar100:3.*.*", split=["train", "test"])

，例如，我可以从字典中获得粗糙标签。

for item in train:
   print(item['coarse_label'])

像这样，我将能够重塑数据集。 random_labels可用于分类。但是，即使我对标签感兴趣，也必须加载as_supervised=False对我来说仍然很不自然。如果有人有更好的解决方案，我很乐意接受该答案。