Question

目标是从TensorFlow数据集中训练猫和狗数据集，我需要将其转换为图像和标签。我需要构建一个从TensorFlow数据集的``功能''返回图像和标签并从中创建训练数据集的函数。请运行代码以获取更多详细信息。

基础架构将使用3字节的色彩深度将所有图像的大小调整为224x224。确保您的输入层将图像训练到该规格。

代码：

import tensorflow_datasets as tfds
import tensorflow as tf

dataset_name = 'cats_vs_dogs'
dataset, info = tfds.load(name=dataset_name, split=tfds.Split.TRAIN, with_info=True)
def preprocess(features):

    // this is where the code must be.

def solution_model():
    train_dataset = dataset.map(preprocess).batch(32)

在这里我将对模型进行编码并提供训练数据集作为输入。

Answer 1

这是解决方案

def preprocess(features):
    image = features['image']
    image = tf.image.resize(image, (224, 224))
    image = image / 255.0
    return image, features['label']

将TensorFlow数据集转换为图像和标签

1 个答案: