Python 无法使用tf.io.decode\u图像解码批图像

我正在尝试面部关键点回归。我成功地创建了TFRecord文件，其中包含编码的图像和标签（标签是面部关键点）

然后，我开始将数据（图像和关键点）加载到内存中（遵循此处的指南）。我想先批量处理所有图像，然后按照指南中的描述对图像进行解码。然而，这不起作用。如果我的理解是正确的，我只能在单个图像上使用tf.image.decode_image（），而不能在批处理中使用。我的理解正确吗？如果是，我如何解码一批图像

提前谢谢你

抄送

代码如下：

ds=tf.data.TFRecordDataset（TFR\u文件名）
ds=ds.重复（历元）
ds=ds.shuffle（缓冲区大小+批大小）
ds=ds.批次（批次大小）
最后，我尝试使用tf.image.decode_image（）对图像进行解码
feature_description={'height'：tf.io.FixedLenFeature（[]，tf.int64），
“宽度”：tf.io.FixedLenFeature（[]，tf.int64），
“深度”：tf.io.FixedLenFeature（[]，tf.int64），
“kpts”：tf.io.FixedLenFeature（[136]，tf.float32），
“image_raw”：tf.io.FixedLenFeature（[]，tf.string），
}
对于ds.take（1）中的记录：
record=tf.io.parse_示例（记录、功能描述）
decoded_image=tf.io.decode_image（记录['image_raw']，数据类型=tf.float32）

这会引发以下ValueError：

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
1用于ds中的记录。取（1）：
2记录=tf.io.parse_示例（记录、特征描述）
---->3解码图像=tf.io.decode图像（记录['image\u raw'，数据类型=tf.float32）
3帧
/解码图像中的tensorflow-2.0.0/python3.6/tensorflow\u core/python/ops/image\u ops\u impl.py（内容、通道、数据类型、名称、展开动画）
2315以及带有EXIF数据的JPEG图像（从\xff\xd8\xff\xe1开始）。
2316回流控制流量操作条件(
->2317是\u jpeg（内容），\u jpeg，检查\u png，name='cond\u jpeg'）
2318
2319
/新函数中的tensorflow-2.0.0/python3.6/tensorflow_core/python/util/deprecation.py（*args，**kwargs）
505“在未来版本中”如果日期不是其他日期（“在%s“%date”之后），
506（说明）
-->507返回函数（*args，**kwargs）
508
509 doc=\u添加\u不推荐的\u参数\u通知\u到\u docstring(
/tensorflow-2.0.0/python3.6/tensorflow\u core/python/ops/control\u flow\u ops.py以cond表示（pred、true\u fn、false\u fn、strict、name、fn1、fn2）
1199带有操作名称和范围（名称，“cond”，[pred]）：
1200如果上下文。急切地执行_（）：
->1201如果pred：
1202结果=true_fn（）
1203其他：
/tensorflow-2.0.0/python3.6/tensorflow\u core/python/framework/ops.py in\uuuuuuu bool\uuuu（self）
874
875 def_uuuubool_uuuu（自）：
-->876返回布尔（self.\u numpy（））
877
878非零__
ValueError:包含多个元素的数组的真值不明确。请使用a.any（）或a.all（）

事实上，

解码图像

仅适用于单个图像。在批处理之前，您仍应在数据集中进行解码，以获得合理的性能

类似这样的内容（代码未经测试，可能需要一些调整）：

---

谢谢Dan，我用堆栈跟踪更新了这个问题。我认为抛出这个错误是因为tf.io.decode_image（）需要一个标量作为输入。所以我需要在不进行批处理的情况下逐个提取每个记录/图像，然后解码这些图像，然后再批处理它们。我遵循的教程（链接到它在我的问题中）基于tf.1，作者认为解码图像之前的批处理可以提高性能，这是有意义的。如果可以在tf.1中解码一批图像，我认为它不会在tf.2中被删除。此外，文档对此没有任何说明。事实上，

解码图像

仅适用于单个图像。您仍然应该在批处理之前，通过在数据集中执行解码来获得合理的性能。类似这样的代码（未测试的代码，可能需要一些调整）：``ds=tf.data.TFRecordDataset（TFR\u文件名）def parse\u and_decode（记录）：record=tf.io.parse\u示例（记录，功能描述）record['image']=tf.io.decode\u image（记录['image\u raw']，dtype=tf.float32）返回记录ds=ds.map（解析和解码）ds=ds.repeat（EPOCHS）ds=ds.shuffle（缓冲区大小+批处理大小）.“``我更新了答案，因为注释框不格式化代码。

ds = tf.data.TFRecordDataset(TFR_FILENAME)

def parse_and_decode(record):
  record = tf.io.parse_example(record, feature_description)
  record['image'] = tf.io.decode_image(record['image_raw'], dtype=tf.float32)
  return record

ds = ds.map(parse_and_decode)

ds = ds.repeat(EPOCHS)

ds = ds.shuffle(BUFFER_SIZE + BATCH_SIZE)
...