使用tf.keras.image_dataset_from_directory洗牌时标签图片不匹配的解决咨询

首先明确：tf.keras.utils.image_dataset_from_directory本身会自动将图片与对应标签绑定后再执行洗牌操作，出现标签不匹配大概率是路径设置错误或使用误区导致的，以下是具体排查和解决方法：

1. 检查数据集路径是否正确 #

该函数要求传入的directory参数必须直接指向包含类别子文件夹的目录。根据你的目录结构，data_path应该设置为dataset/train（训练集）或dataset/test（测试集），而不是根目录dataset。如果指向根目录，函数会把train、test当成类别，自然会出现标签错误。

修正后的代码：

import tensorflow as tf

data_path = "dataset/train"  # 指向训练集类别文件夹的父目录
train_dset = tf.keras.utils.image_dataset_from_directory(
    directory=data_path,
    batch_size=32,
    image_size=(256,256),
    label_mode="int",
    shuffle=True
)

2. 验证图片与标签的对应关系 #

可以取出一批数据直观验证标签是否正确：

import matplotlib.pyplot as plt

# 获取类别名称
class_names = train_dset.class_names
# 取出第一批数据
for images, labels in train_dset.take(1):
    # 展示前3张图片及其标签
    for i in range(3):
        ax = plt.subplot(1, 3, i+1)
        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(class_names[labels[i]])
        plt.axis("off")
    plt.show()

3. 手动实现绑定后洗牌（自定义场景） #

如果需要完全自定义洗牌逻辑，可以先创建不洗牌的数据集，再对绑定好的(图片, 标签)对整体洗牌：

# 创建不洗牌的数据集，确保图片与标签一一对应
train_dset_unshuffled = tf.keras.utils.image_dataset_from_directory(
    directory=data_path,
    batch_size=32,
    image_size=(256,256),
    label_mode="int",
    shuffle=False
)

# 对绑定后的数据集整体洗牌，buffer_size建议大于样本总数以保证充分洗牌
train_dset_shuffled = train_dset_unshuffled.shuffle(buffer_size=1000)

内容的提问来源于stack exchange，提问作者Chinmaya Tewari