Python 如何在Tensorflow中创建自定义图像数据集

我正在尝试使用估计器和/或Keras创建一个图像分类器

我一直在遵循本页上的教程：

我使用以下代码构建了一个图像和标签的数据集：

ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))

image_label_ds = ds.map(load_and_preprocess_from_path_label)

图像标签输出如下：

<DatasetV1Adapter shapes: ((180, 360, 3), ()), types: (tf.float32, tf.int32)>

由于本教程使用的MobileNetV2可以接受大小为（192192,3）的图像，因此我无法继续学习本教程

---

有人能给我解释一下如何对数据集进行所有必要的准备，并将其输入DNNClassifier Premade Estimator吗？

问题不清楚，为什么你不能继续学习教程

无论如何，如果问题在于不同的输入大小，那么在本教程中，您可以定义网络的输入形状：

mobile_net = tf.keras.applications.MobileNetV2(input_shape=(192, 192, 3), include_top=False)

---

尝试将网络的输入形状定义为您使用的图像大小-（180、360、3）

问题不清楚，为什么您不能继续学习本教程

无论如何，如果问题在于不同的输入大小，那么在本教程中，您可以定义网络的输入形状：

mobile_net = tf.keras.applications.MobileNetV2(input_shape=(192, 192, 3), include_top=False)

---

尝试将网络的输入形状定义为您使用的图像大小-（180、360、3）

您的问题只是图像的大小？或者别的什么？不，我需要帮助将我的数据集输入估计器看到你的问题只是图像的大小吗？或者别的什么？不，我需要帮助将我的数据集输入到一个数据库中