ImageDataGenerator .next() 这可以等同于 mnist.train.next_batch 吗？答案

【问题标题】：ImageDataGenerator .next() can this be equivalent to mnist.train.next_batch?ImageDataGenerator .next() 这可以等同于 mnist.train.next_batch 吗？
【发布时间】：2021-07-17 16:02:12
【问题描述】：

大家好，我是 tensorflow 的新手，我在胶囊网络上工作这就是我的数据集的样子：

 -train
     |-class1
     |-class2
     |-class3

我正在使用 ImageDataGenerator flow_from_directory 从目录名称生成标签：

 train = ImageDataGenerator(rescale= 1/255)
trainData = train.flow_from_directory(dir_path , class_mode='categorical' , target_size=(80, 80), batch_size=batch_size )

这是标签的占位符：

 y = tf.placeholder(shape=[None], dtype=tf.int64, name="y")

我正在关注的教程是在 mnist 数据集上工作，所以他这样做是为了将训练数据提供给模型：

X_batch, y_batch = mnist.train.next_batch(batch_size)

我这样做了：

 X_batch, y_batch = trainData.next()

它适用于图像，但不适用于 labell，因为我收到了这个错误：

Cannot feed value of shape (10, 3) for Tensor 'y:0', which has shape '(?,)'

y_batch.shape --> (10, 3) 10 是 batch_size，我猜 3 是类数，我对此感到困惑

有人可以帮忙吗？

【问题讨论】：

标签： python tensorflow deep-learning

【解决方案1】：

标签不需要占位符，只需使用

images, labels=next(trainData)

这将返回一个 batch_size 个图像和一个 batch_size 个标签。标签形状将是 (batch_size, number_of_classes) 图像形状将是 (batch_size, 80, 80,3)

【讨论】：

【解决方案2】：

占位符创建空然后加载数据。对于不需要创建占位符的标签

【讨论】：