如何解决AttributeError: 'BatchDataset'对象无shape属性错误？

错误原因 #

1. tf.keras.utils.image_dataset_from_directory返回的是**tf.data.BatchDataset对象**，而非单一张量或numpy数组，这类数据集对象没有直接的.shape属性，不能像处理单一张量那样调用tf.reshape。
2. 代码存在逻辑错误：将测试目录的数据赋值给train_labels，混淆了训练集与测试集的加载逻辑。

修正方案 #

直接利用image_dataset_from_directory的参数完成图像尺寸统一，再通过map函数对数据集做归一化处理，无需手动提取张量或修改形状：

# 正确加载训练集和测试集，同时指定统一图像尺寸
train_dataset = tf.keras.utils.image_dataset_from_directory(
    '/content/drive/MyDrive/ArabicHandwritten2/train',
    image_size=(256, 256),  # 加载时直接将图像resize到目标尺寸
    batch_size=32
)

test_dataset = tf.keras.utils.image_dataset_from_directory(
    '/content/drive/MyDrive/ArabicHandwritten2/test',
    image_size=(256, 256),
    batch_size=32
)

# 定义归一化函数，处理每个批次的图像和标签
def normalize_images(image, label):
    image = tf.cast(image, tf.float32)
    image = (image - 127.5) / 127.5  # 归一化到[-1, 1]区间
    return image, label

# 对数据集应用归一化，并打乱训练集
train_dataset = train_dataset.map(normalize_images).shuffle(16765)
test_dataset = test_dataset.map(normalize_images)

额外说明 #

如果需要查看数据集的张量形状，可以提取一个批次进行查看：

# 取第一个批次的图像和标签，打印形状
for images, labels in train_dataset.take(1):
    print(f"单批次图像形状: {images.shape}")
    print(f"单批次标签形状: {labels.shape}")

内容的提问来源于stack exchange，提问作者Modi