使用Dataset.map时的RandomRotation错误

Question

我正在尝试做一些数据增强。出于某种原因，我得到一个错误，当使用随机旋转数据集。如果我在不映射的情况下执行data_augmentation()，而只是在目标网络中执行，则代码可以正常工作。RandomFlip和RandomConstrast函数似乎工作得很好。

我很好奇为什么它不起作用，但我也很感激任何只是为了旋转的解决方案。

data_augmentation = tf.keras.Sequential([
# layers.experimental.preprocessing.RandomFlip("horizontal_and_vertical"),
# layers.experimental.preprocessing.RandomContrast(factor=0.1),
layers.experimental.preprocessing.RandomRotation(0.2)
])
def augmentation(image,label):
image=data_augmentation(image)
return image,label

ds_train = ds_train.cache()
ds_train= ds_train.map(augmentation,num_parallel_calls=AUTOTUNE)

回溯:

~AppDataRoamingPythonPython38site-packagestensorflowpythonautographimplapi.py in wrapper(*args, **kwargs)
693       except Exception as e:  # pylint:disable=broad-except
694         if hasattr(e, 'ag_error_metadata'):
--> 695           raise e.ag_error_metadata.to_exception(e)
696         else:
697           raise

错误:

NotImplementedError: Cannot convert a symbolic Tensor (sequential_29/random_rotation_6/rotation_matrix/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported

Answer 1

我仍然不知道为什么会发生错误，但是ImageDataGenerator提供了相同的功能，并且是使用数据增强的更流行的方式。

generator = tf.keras.preprocessing.image.ImageDataGenerator(
rotation_range=20,
width_shift_range=0.2,
height_shift_range=0.2,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True,
vertical_flip=True,
fill_mode='nearest')
train_generator = generator.flow_from_directory(
"faces2",
subset="training",
seed=123,
batch_size=32,
save_to_dir="augmented"
)