我正在使用TensorFlow 2.0，我有一个批处理的数据集，其中包含968个图像和每个图像的标签（4个元素数组）：
dataSetSize = allDataSet.reduce(0, lambda x, _: x + 1).numpy()
allDataSet = allDataSet.shuffle(dataSetSize)
allDataSet = allDataSet.map(processPath, num_parallel_calls=tf.data.experimental.AUTOTUNE)
allDataSet = allDataSet.batch(10)
predictions = loadedModel.predict(allDataSet)
onlyImages = # how to create this?
onlyLabels = # how to create this?
# the 'map' function in my dataset returns a batch of images and their corresponding labels
for idx, (imageBatch, labelBatch) in enumerate(allDataSet) :
# how to concatenate batches together?
onlyImages = # ?
onlyLabels = # ?
我需要将此数据集分成两个numpy数组。第一个数组应仅包含968个图像（形状：（968，299，299，3）），第二个数组应包含968个标签（形状：（968，4））。我怎样才能做到这一点？
我在这里检查了类似的问题，但这些示例似乎正在使用Tensorflow 1.x，并且由不同的输入类型组成？
数据集和类型的大小：
dataset size: 968
<DatasetV1Adapter shapes: ((None, 299, 299, 3), (None, 4)), types: (tf.float32, tf.float32)
如果我很好地理解了您的问题，那么现在您需要做的就是在numpy遍历数据集时将其连接到一个数组。请注意，在迭代过程中，如果应用.numpy()操作，则会自动从转换tf.tensor为np.array。
因此，可以使用以下选项：
根据文档，
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
np.concatenate((a, b), axis=0)
输出为：
array([[1, 2],
[3, 4],
[5, 6]])
因此，在您的代码中，定义要连接的初始空numpy数组axis=0（使用imageBatch和labelBatch）。
np.vstack（引擎盖下np.concatenate使用np.vstack）提供相同的结果。本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句