Python 使用文件名数据集，将图像数据集创建为元组

我创建了一个tensorflow数据集，其中包含文件夹中许多图像的文件名。这些图像被命名为[index].jpg，其中index是用于标识图像的某个整数。我有一个字符串“索引”字典，将标签作为元组。如何使用tf.data.Dataset.map将索引映射到标签元组

下面是我试图传递给map函数的map_func：

def图像（文件路径）：
index=getIndexFromFilePath（文件路径）
img=tf.io.read\u文件（文件路径）
img=平移图像（img）
dictionary=getLabelDictionary（）
返回索引

其中dictionary是标签dict的索引，index是文件路径的索引，如tf.Tensor，img是文件路径处的预处理图像

这将返回一个数据集，其索引作为张量映射到相应的图像。有没有一种方法可以使用

dictionary

或类似

dictionary[index]

的方法来获取

索引的标签？基本上，我想找到索引的字符串内容

我曾尝试在
grabImages
函数中的当前会话中使用
.numpy（）
和
.eval（）
，但都不起作用。
下面是一个如何在
tf.data.Dataset.map
函数中获取张量的字符串部分的示例

下面是我在代码中实现的实现这一点的步骤

您必须使用
tf.py\u函数（get\u path，[x]，[tf.string]）
来装饰map函数。您可以找到更多关于tf.py_函数的信息
您可以使用map函数中的
bytes.decode（file\u path.numpy（））
获取字符串部分
代码-

%tensorflow_version 2.x
import tensorflow as tf
import numpy as np

def get_path(file_path):
    print("file_path: ",bytes.decode(file_path.numpy()),type(bytes.decode(file_path.numpy())))
    return file_path

train_dataset = tf.data.Dataset.list_files('/content/bird.jpg')
train_dataset = train_dataset.map(lambda x: tf.py_function(get_path, [x], [tf.string]))

for one_element in train_dataset:
    print(one_element)

输出-

file_path:  /content/bird.jpg <class 'str'>
(<tf.Tensor: shape=(), dtype=string, numpy=b'/content/bird.jpg'>,)

文件路径：/content/bird.jpg
(,)

希望这能回答您的问题。
您能提供所需的示例输出场景吗？因为这很难理解。@Andrew Wiedenmann-如果答案回答了你的问题，请投票并接受答案。非常感谢。