如何在 Tensorflow 中设置 ParallelMapDataset 数据类型中的图像数量？答案

【问题标题】：How to set the number of images in ParallelMapDataset datatype in Tensorflow?如何在 Tensorflow 中设置 ParallelMapDataset 数据类型中的图像数量？
【发布时间】：2021-10-18 05:59:06
【问题描述】：

dataset, info = tfds.load('oxford_iiit_pet:3.*.*', with_info=True)

train_images = dataset['train']

test_images = dataset['test']

train_batches = ( 
    train_images
    .cache()
    .shuffle(BUFFER_SIZE)
    .batch(BATCH_SIZE)
    .prefetch(buffer_size=tf.data.AUTOTUNE))

test_batches = test_images.batch(BATCH_SIZE)

现在我想将 test_images 的大小减少到 100 个图像。我期待一些代码，例如：

test_images = test_images[100]

但这会报错：

'ParallelMapDataset' object is not subscriptable

【问题讨论】：

test_batches = test_images.take((100 // BATCH_SIZE) + 1) 适合您吗？如果您只需要 100 张图片，请先使用 take(100)，然后再使用批处理。
是的......它工作......谢谢;）
@Frightera 我建议您将此作为答案发布，以便 OP 随后可以接受
@desertnaut 谢谢你的建议。
@Frightera 随时 ;)

标签： python tensorflow keras data-structures deep-learning

【解决方案1】：

使用take() 方法，您可以从目标数据集中获取批次或项目。

如果数据集是批处理的：

test_images.take((100 // BATCH_SIZE) + 1)

当您对数据集进行批处理时，它将包含批次或组。

假设您批量处理大小为 32 的数据，test_images.take(1) 将返回 32 个元素，即单个批次。 test_images.take(2) 将返回 64 个元素等。

如果没有批处理：

test_images.take(100)

与批处理数据集不同，数据集将返回已传递到take() 方法的元素数量。

【讨论】：