我有兩個 numpy 陣列：images_ar（資料）和 categorical_y_ar（標簽）。
兩者都由 dtype('uint8') 組成。
categorical_y_ar 的形狀是 (978, 126)。
images_ar 的形狀為 (978, 224, 224, 3)
嘗試使用以下內容構建資料集時：
dataset = tf.data.Dataset.from_tensor_slices(images_ar, categorical_y_ar)
我得到以下回溯：
ValueError Traceback（最近一次呼叫最后一次）輸入在 [50] 中，在 <cell line: 1>() ----> 1 dataset = tf.data.Dataset.from_tensor_slices(images_ar, categorical_y_ar) 2 dataset = dataset.repeat( ).batch(batch_size) 4 val_size = int(num_classes* 0.2)
檔案 ~.conda\envs\sklearn-env\lib\site-packages\tensorflow\python\data\ops\dataset_ops.py:814，在 DatasetV2.from_tensor_slices(tensors, name) 736 @staticmethod 737 def from_tensor_slices(tensor, name =None): 738 """創建一個
Dataset其元素是給定張量的切片。739 740 給定張量沿它們的第一個維度切片。此操作 (...) 812 資料集：ADataset.813 """ -->第814章檔案 ~.conda\envs\sklearn-env\lib\site-packages\tensorflow\python\data\ops\dataset_ops.py:4728，在 TensorSliceDataset 中。init (self, element, is_files, name) 4719 for t in self._tensors[1:]: 4720
batch_dim.assert_is_compatible_with(4721
tensor_shape.Dimension(4722
tensor_shape.dimension_value(t.get_shape()[0]))) 4724 variant_tensor = gen_dataset_ops.tensor_slice_dataset（4725
self._tensors，4726
output_shapes=structure.get_flat_tensor_shapes（self._structure），
4727 is_files=is_files，-> 4728 metadata=self._metadata.SerializeToString（））4729 super（TensorSliceDataset，self）。初始化（variant_tensor）檔案 ~.conda\envs\sklearn-env\lib\site-packages\tensorflow\python\data\ops\dataset_ops.py:668，在 DatasetV2._metadata(self) 666 """生成資料集元資料的助手。"" " 667 metadata = dataset_metadata_pb2.Metadata() --> 668 if self._name: 669 metadata.name = _validate_and_encode(self._name) 670 回傳元資料
ValueError：具有多個元素的陣列的真值不明確。使用 a.any() 或 a.all()
請幫我弄清楚為什么會彈出這個錯誤。
uj5u.com熱心網友回復：
嘗試將資料作為集合或串列而不是作為單個物體傳遞給 tf.data.Dataset.from_tensor_slice()，如下所示
x_train = np.random.randn(978, 224, 224, 3)
y_train = np.random.randint(0,127, size=(978, 127))
dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
print(next(iter(dataset.take(1))))
輸出：
<tf.Tensor: shape=(224, 224, 3), dtype=float64, numpy= ...
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/530647.html
標籤：Python麻木的张量流