我有一个 TensorFlow 数据集,其中包含近 15000 张分辨率为 168*84 的彩色图片和每张图片的标签。它的类型和形状如下:
< ConcatenateDataset shapes: ((168, 84, 3), ()), types: (tf.float32, tf.int32)>
我需要使用它来训练我的神经网络,这就是为什么我需要将其作为参数传递给我构建层的函数:
def cnn_model_fn(features, labels, mode):
input_layer = tf.reshape(features["x"], [-1, 168, 84, 3])
# Convolutional Layer #1
conv1 = tf.layers.conv2d(
inputs=input_layer,
filters=32,
kernel_size=[5, 5],
padding="same",
activation=tf.nn.relu)
.
.
.
我尝试使用tf.eval()和np.ravel()将每个张量转换为np.array(我猜这是上述函数的适当类型),但我失败了。
那么,我该如何将这个数据集转换为适当的类型以传递给函数呢?
此外
我是Python和TensorFlow的新手,我不认为我理解为什么有数据集,如果我们不能直接使用它们来构建层(顺便说一下,我正在按照TensorFlow网站上的教程进行)。
谢谢。