如何合并图像与掩码对应的两个tf.data.Dataset张量切片？

错误原因 #

你之前尝试用tf.data.Dataset.from_tensor_slices(zip(val_img_tensor, val_mask_tensor))合并数据集是错误的：from_tensor_slices仅接受可转换为Tensor的对象（如numpy数组、张量），而Python内置zip()返回的是迭代器对象，无法被转换为Tensor，因此触发了类型错误。

正确合并方法 #

直接使用TensorFlow提供的tf.data.Dataset.zip()方法，它专门用于将多个数据集按位置配对合并：

# 合并两个已处理好的数据集
val_data = tf.data.Dataset.zip((val_img_tensor, val_mask_tensor))

合并后，val_data中的每个元素都是(图像张量, 掩码张量)的元组，对应原数据集中的一对图像和掩码。

更高效的简化流程 #

你可以跳过分别创建两个数据集的步骤，直接从图像和掩码的数组对创建数据集，再统一映射处理，代码更简洁高效：

# 直接将图像路径数组和掩码路径数组打包成元组，创建数据集
val_data = tf.data.Dataset.from_tensor_slices((np.array(all_val_img), np.array(all_val_mask)))

# 统一映射处理路径为图像张量
val_data = val_data.map(lambda img_path, mask_path: (get_image(img_path), get_image(mask_path)))

验证合并结果 #

可通过以下代码确认数据集结构是否符合预期：

sample = next(iter(val_data))
print("图像张量形状:", sample[0].shape)
print("掩码张量形状:", sample[1].shape)

内容的提问来源于stack exchange，提问作者tikendraw