使用 Tensorflow 数据集加载方法对 Mnist 数据集进行拆分和切片答案

【问题标题】：Splits and Slicing on Mnist Dataset using Tensorflow Datasets load method使用 Tensorflow 数据集加载方法对 Mnist 数据集进行拆分和切片
【发布时间】：2021-09-07 07:32:59
【问题描述】：

我正在尝试加载 MNIST 数据集，并尝试将其拆分为三个数据集：训练、测试和验证。语法应该是：

(train, test, valid) = tfds.load('mnist', split=['train[:90%]','train[90%:]', 'test'])

但是，在运行代码时，我收到以下错误：

KeyError: "Invalid split train[:90%]. Available splits are: ['test', 'train']"

在文档中，提供了以下示例：

train_10pct_ds = tfds.load('mnist', split='train[:10%]')

抛出同样的错误：

KeyError: "Invalid split train[:10%]. Available splits are: ['test', 'train']"

有什么想法吗？这种方法被弃用了吗？如果是这样，分割和切片这样的对象的任何替代方法？谢谢！

【问题讨论】：

我已经测试了上面的代码，它在 colab 中对我来说工作得很好，你有没有尝试在 colab 中运行它，它在你的 tensorflow 数据集中是什么版本。 colab版本是4.0.1
很奇怪，我用 conda 安装了它，结果发现版本是'1.2.0'。也许 conda tensorflow-datasets 尚未更新。谢谢！

标签： python tensorflow tensorflow-datasets mnist

【解决方案1】：

是的，上述问题是由tensorflow_datasets 1.2.0 引起的。升级到最新版本后，您的问题就可以解决，如下所示

pip install tensorflow_datasets --upgrade

工作代码如下图

import tensorflow_datasets as tfds
print(tfds.__version__)
(train, test, valid) = tfds.load('mnist', split=['train[:90%]','train[90%:]', 'test'])

【讨论】：