TensorFlow 数据集 .map() 方法不适用于内置 tf.keras.preprocessing.image 函数答案

【问题标题】：TensorFlow dataset .map() method not working for built-in tf.keras.preprocessing.image functionsTensorFlow 数据集 .map() 方法不适用于内置 tf.keras.preprocessing.image 函数
【发布时间】：2020-10-06 10:12:44
【问题描述】：

我这样加载数据集：

import tensorflow_datasets as tfds

ds = tfds.load(
    'caltech_birds2010',
    split='train',
    as_supervised=False)

这个功能很好用：

import tensorflow as tf

@tf.function
def pad(image,label):
    return (tf.image.resize_with_pad(image,32,32),label)

ds = ds.map(pad)

但是当我尝试映射不同的内置函数时

from tf.keras.preprocessing.image import random_rotation

@tf.function
def rotate(image,label):
    return (random_rotation(image,90), label)

ds = ds.map(rotate)

我收到以下错误：

AttributeError: 'Tensor' 对象没有属性 'ndim'

这不是唯一给我带来问题的函数，不管有没有 @tf.function 装饰器都会发生这种情况。

非常感谢任何帮助！

【问题讨论】：

标签： python tensorflow keras tensorflow-datasets

【解决方案1】：

我会尝试在此处使用 tf.py_function 进行随机旋转。例如：

def rotate(image, label):
    im_shape = image.shape
    [image, label,] = tf.py_function(random_rotate,[image, label],
                                     [tf.float32, tf.string])
    image.set_shape(im_shape)
    return image, label

ds = ds.map(rotate)

虽然我认为他们根据What is the difference in purpose between tf.py_function and tf.function? 在这里做了类似的事情，但 tf.py_function 通过 tensorflow 执行 python 代码更直接，即使 tf.function 具有性能优势。

【讨论】：