python - 在 TensorFlow 2.3 中规范化 BatchDataset

Question

我正在使用 TF 2.3 中的 tf.keras.preprocessing.image_dataset_from_directory 从目录加载图像(训练/测试拆分)。我得到的是一个具有形状的 tf.data.Dataset(tensorflow.python.data.ops.dataset_ops.BatchDataset实际上)对象:

train_ds.take(1)
# <TakeDataset shapes: ((None, 256, 256, 3), (None, 6)), types: (tf.float32, tf.float32)>

for images, labels in train_ds.take(1):
    print(images.shape)
    print(images[0])
# (32, 256, 256, 3)
# tf.Tensor(
# [[[225.75  225.75  225.75 ]
#   [225.75  225.75  225.75 ]
#   [225.75  225.75  225.75 ]
#   ...
#   [215.    214.    209.   ]
#   [215.    214.    209.   ]
#   [215.    214.    209.   ]]
#
#  ...], shape=(256, 256, 3), dtype=float32)

我不知道如何使用该 Dataset 对象规范化图像 (/= 255)。我尝试使用 /= 运算符本身、map 和 apply 方法，甚至将该对象转换到列表中，如所述 here .似乎没有任何效果，我真的很想在数据集级别解决这个问题，而不是在我的网络中添加规范化层。

有什么想法吗？

Answer 1

试试这个方法:

def process(image,label):
    image = tf.cast(image/255. ,tf.float32)
    return image,label

ds = tf.keras.preprocessing.image_dataset_from_directory(IMAGE_DIR)
ds = ds.map(process)