将 TF 数据集从分类数据更改为数值/回归数据答案

【问题标题】：Changing a TF Dataset from classified to numeric/regression data将 TF 数据集从分类数据更改为数值/回归数据
【发布时间】：2021-05-14 15:39:39
【问题描述】：

这是我第一次尝试从现成的数据集和模型扩展到我自己拼凑的东西。使用 tensorflow，我正在尝试加载图像数据集，其中每个图像都分配了一个标准化的数值，以便我可以尝试在其上构建回归 CNN。对我来说不幸的是，tf.keras.preprocessing.image_dataset_from_directory 期望数据集是离散分类的。有没有一种直接的方法将 BatchDataset 对象转换为数字标签？

为了进一步澄清，如果我要做dir(my_dataset) 或my_dataset.__dict__，我想知道标签在哪里。

【问题讨论】：

如果你得到错误然后显示它有问题。始终将有问题的完整错误消息（从“Traceback”一词开始）（不是评论）作为文本（不是屏幕截图，不是指向外部门户的链接）。还有其他有用的信息。
我不明白是什么问题。加载它，对其进行预处理，然后将标签转换为数字 (LabelEncoding)，您可以将其与回归一起使用。
如果我的问题听起来像是投诉，我深表歉意。我不是在调试错误，而是在询问有关 DataSet 数据结构的更多信息。我会阅读更多关于LabelEncoder 谢谢的信息。

标签： python tensorflow conv-neural-network tensorflow2.0

【解决方案1】：

我可以在从tf.keras.preprocessing.image_dataset_from_directory 返回的BatchDataSet 对象上多花点时间来回答这个问题

因为这些对象是非常专业的迭代器，所以访问单个“行”并不简单。以下是我如何从 BatchDataSet 直接访问此信息所在的位置。

training_ds = tf.keras.preprocessing.image_dataset_from_directory(
    "assets/",
    validation_split=0.2,
    subset="training",
    seed=123,
    color_mode="rgb",
    image_size=(IMG_SIZE, IMG_SIZE),
    batch_size=32)
# pull one batch from the BatchDataSet
one_batch = training_ds.take(1)
# transform the TakeDataset into a python iterator and then pull one batch using next()
training_data, labels = next(iter(batch))
# labels is a numpy array of int32 where each integer is the index of the class inside training_ds.class_names

【讨论】：