Python ds_列车的形状为（2，224，224，3）而不是（无，224，224，3）

我使用以下代码创建了自己的自定义数据集（包含2个类）：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.preprocessing.image import ImageDataGenerator

import matplotlib.pyplot as plt
ds_train = tf.keras.preprocessing.image_dataset_from_directory(
        'C:/Users/mydir/Source_Images/',
        labels = 'inferred', # from subfolders in alphabetical order
        label_mode = "int",
        class_names = ["CVS", "No_CVS"],
        color_mode = 'rgb',
        batch_size = 2,
        image_size = (224, 224),
        shuffle = True, # randomized order of images
        seed = 123, #set the seed if  train, valid images are the same when you run again   
        validation_split = 0.1,
        subset = "training"
        )

df_列车结果如下：

<BatchDataset shapes: ((None, 224, 224, 3), (None,)), types: (tf.float32, tf.int32)>

但是，我得到以下错误：

第61行，在

plt.imshow(image.numpy().astype("uint8"))
TypeError: Invalid shape (2, 224, 224, 3) for image data

我正在寻找解决这个问题的方法，并且能够使用matplotlib打印我的图像

编辑：

更重要的是，似乎在训练模型时无法使用数据的数据，因为我得到了以下错误：

   ValueError: Input 0 is incompatible with layer EfficientNet: expected shape=(None, 224, 224, 3), found shape=(2, None, 224, 224, 3)

运行我找到的Keras示例代码后（在这里，我使用

image\u dataset\u从\u目录创建了ds\u列，而不是使用
tdsf.load（）
函数）

所以我认为我创造ds_火车的方式出了问题。任何解决方案都是非常受欢迎的。
当您执行以下操作时，您似乎将
批量大小留在了中：

plt.imshow(image.numpy().astype("uint8"))

使用原始代码，由于批处理大小的原因，您仍然无法看到9幅图像。我想如果你像这样做就好了：

不应抛出任何错误，如
TypeError:Invalid shape…
：

plt.imshow(image[i].numpy().astype("uint8"))

此外，您可以执行以下操作以查看批次大小：

for img_batch_size, labels_batch_size in train_df:
  print(img_batch_size.shape)
  print(labels_batch_size.shape)

对于您的情况，
img\u batch\u size.shape
应该打印（2224224,3），其中该元组对应于图像张量

对于
input\u-shape
问题，您需要添加您的模型，以便我们可以查看
input\u-shape
的错误

for img_batch_size, labels_batch_size in train_df:
  print(img_batch_size.shape)
  print(labels_batch_size.shape)