解决深度学习模型中「too many values to unpack (expected 3)」报错

一、直接触发报错的原因 #

你的函数get_dataset_partition_tf最后返回了4个值：return train_ds, val_ds ,val_ds, test_ds（重复写了一次val_ds），但接收返回值时只声明了3个变量，数量不匹配直接导致拆包错误。

二、函数内部的其他必改错误 #

除了返回值问题，代码里还有多处逻辑和拼写错误，不修复的话即使解决拆包问题也无法正常划分数据集：

• 参数拼写错误：函数定义里写的是trin_split，但代码里用的是train_split，名称不匹配会导致参数无法正常读取。
• 变量未定义：test_split没在函数参数里声明，assert语句里用到的test_split不存在；同时val_split_ds_size也是未定义的变量。
• val_size计算错误：你把ds.skip(val_split_ds_size)（一个数据集对象）赋值给了val_size，但val_size应该是整数类型的验证集样本数，正确写法是int(val_split * ds_size)。
• 数据集划分逻辑错误：TensorFlow的take和skip是基于原数据集的操作，你当前写法会导致验证集和测试集范围重叠。正确逻辑是：先取训练集，再从剩余数据里取验证集，最后剩下的就是测试集。

三、修复后的完整代码 #

def get_dataset_partition_tf(ds, train_split=0.8, 
    val_split=0.1, test_split=0.1, shuffle=True, shuffle_size=10000):

    ds_size = len(ds)
    assert (train_split + test_split + val_split) == 1, "三个划分比例之和必须为1"
    
    if shuffle:
        ds = ds.shuffle(shuffle_size, seed=12)
    
    train_size = int(train_split * ds_size)
    val_size = int(val_split * ds_size)
    
    train_ds = ds.take(train_size)
    # 从训练集之后的剩余数据中取验证集
    val_ds = ds.skip(train_size).take(val_size)
    # 跳过训练集和验证集，剩余部分作为测试集
    test_ds = ds.skip(train_size + val_size)

    return train_ds, val_ds, test_ds

四、调用验证 #

保持原有接收方式即可正常运行：

train_ds, val_ds, test_ds = get_dataset_partition_tf(data)

内容的提问来源于stack exchange，提问作者Ashique Mahmud