Python Tensorflow数据集：即使在调整大小后也无法批处理不同形状的张量错误？

tensorflow数据集

模块出现问题。使用

stanford_dogs

数据集，我将图像大小调整为

[180180]

，但是当模型经过训练时，从错误消息中可以看出

tensorflow

正在尝试以原始大小加载图像

我做错了什么

代码来复制下面的错误（和错误）。数据集大约为750mb。可以将其复制粘贴到

google colab

并运行以进行复制

import io
import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds

def _normalize_img(img, label):
    img = tf.cast(img, tf.float32) / 255.
    img = tf.image.resize(img,[180,180])
    return (img, label)
    

train_dataset, test_dataset = tfds.load(name="stanford_dogs", split=['train', 'test'], as_supervised=True)

train_dataset = train_dataset.shuffle(1024).batch(32)
train_dataset = train_dataset.map(_normalize_img)

test_dataset = test_dataset.batch(32)
test_dataset = test_dataset.map(_normalize_img)

model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(64,2,padding='same',activation='relu',input_shape=(180,180,3)),
    tf.keras.layers.MaxPooling2D(2),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Conv2D(32,2,padding='same',activation='relu'),
    tf.keras.layers.MaxPooling2D(2),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(120,activation='softmax')
])


model.compile(
    optimizer=tf.keras.optimizers.Adam(0.001),
    loss='sparse_categorical_crossentropy')


history = model.fit(
    train_dataset,
    epochs=5)

失败，错误为：

InvalidArgumentError:  Cannot batch tensors with different shapes in component 0. First element had shape [278,300,3] and element 1 had shape [375,500,3].
     [[node IteratorGetNext (defined at <ipython-input-29-15023f95f627>:39) ]] [Op:__inference_train_function_4908]

InvalidArgumentError:无法批处理组件0中具有不同形状的张量。第一个元素具有形状[278300,3]，元素1具有形状[375500,3]。
[[node IteratorGetNext（定义于：39）][Op:uu推理u训练u函数4908]

遇到此错误是因为

tf.data.Dataset

API无法创建一批具有不同形状的张量。由于批处理函数将返回形状的张量

（批处理、高度、宽度、通道）

，

高度

、

宽度

和

通道

值必须在整个数据集中保持不变。您可以在中阅读更多有关为什么的信息

调整大小后的批处理将解决您的问题：

train\u dataset=train\u dataset.shuffle（1024）
train\u dataset=train\u dataset.map（\u normalize\u img）
#我们对每个大小相同的图像进行一次批处理
列车数据集=列车数据集。批次（32）