在 TensorFlow 2.3 中规范化 BatchDataset答案

【问题标题】：Normalizing BatchDataset in Tensorflow 2.3在 TensorFlow 2.3 中规范化 BatchDataset
【发布时间】：2020-12-13 18:25:08
【问题描述】：

我正在使用 TF 2.3 中的 tf.keras.preprocessing.image_dataset_from_directory 从目录加载图像（训练/测试拆分）。我得到的是一个带有形状的 tf.data.Dataset (tensorflow.python.data.ops.dataset_ops.BatchDatasetactually) 对象：

train_ds.take(1)
# <TakeDataset shapes: ((None, 256, 256, 3), (None, 6)), types: (tf.float32, tf.float32)>

for images, labels in train_ds.take(1):
    print(images.shape)
    print(images[0])
# (32, 256, 256, 3)
# tf.Tensor(
# [[[225.75  225.75  225.75 ]
#   [225.75  225.75  225.75 ]
#   [225.75  225.75  225.75 ]
#   ...
#   [215.    214.    209.   ]
#   [215.    214.    209.   ]
#   [215.    214.    209.   ]]
#
#  ...], shape=(256, 256, 3), dtype=float32)

我无法弄清楚如何使用该 Dataset 对象规范化图像 (/= 255)。我尝试使用/= 运算符本身、map 和apply 方法，甚至将该对象转换为here 中提到的列表。似乎没有任何效果，我真的很想在数据集级别解决这个问题，而不是在我的网络中添加规范化层。

有什么想法吗？

【问题讨论】：

你能展示一下你是如何使用map 对来自 tf 数据集的图像进行归一化的吗

标签： python tensorflow keras deep-learning tensorflow-datasets

【解决方案1】：

试试这个方法：

def process(image,label):
    image = tf.cast(image/255. ,tf.float32)
    return image,label

ds = tf.keras.preprocessing.image_dataset_from_directory(IMAGE_DIR)
ds = ds.map(process)

【讨论】：

我真的相信我做了类似的事情（在另一个问题中发现）但没有奏效。这段代码似乎可以工作。非常感谢，原来那是我的愚蠢错误
这段代码似乎将数据集类型更改为MapDataset，这稍后会引发错误（即 MapDataset 没有我使用的属性 class_names），但规范化本身正在工作
当然，它在这里：github.com/mtszkw/garbage/blob/master/garbage2.ipynb 我已经解决了 class_names 的问题（通过明确提供名称列表）。