TensorFlow dataset .map() 方法不适用于内置的 tf.keras.preprocessing.i

Question

我在数据集中加载如下：

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

这个函数工作正常：

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：

属性

错误："张量"对象没有属性"ndim">

这不是唯一给我带来问题的功能，无论有没有@tf.function装饰器，它都会发生。

任何帮助将不胜感激！

Answer 1

我会尝试在这里使用 tf.py_function 进行random_rotation。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tf.py_function和tf.function之间的目的有什么区别？在这里做类似的事情，tf.py_function对于通过tensorflow执行python代码更直接，即使tf.function具有性能优势。