tf.data.Dataset apply()方法无法更新数据集问题求助

你的代码核心问题是用错了数据集转换方法，以及标签修改逻辑未生效，具体问题和修复方案如下：

问题分析 #

1. apply方法用途错误：apply是对整个数据集对象执行全局转换（比如设置缓存、预取规则），不是用来逐个处理批次内容的。你把它当成批次迭代器遍历，完全不符合其设计逻辑。
2. 标签修改未生效：即便遍历到了批次，你只是在函数内部修改了labels变量，但没有返回修改后的(图像, 新标签)对，原数据集的批次根本没被更新。

正确实现方案 #

用map方法替代apply，map会自动遍历数据集的每个(images, labels)批次，执行转换逻辑并返回新的批次：

batch_size = 32
img_height = 250
img_width = 250

train_ds = image_dataset_from_directory(
  data_dir,
  validation_split=0.2,
  color_mode="rgb",
  subset="training",
  seed=69,
  crop_to_aspect_ratio=False,
  image_size=(img_height, img_width),
  batch_size=batch_size)

class_names = train_ds.class_names
# ['Painting', 'Photo', 'Schematics', 'Sketch', 'Text']

# 通过类名动态获取索引，避免硬编码
photo_class_idx = class_names.index('Photo')

def convert_to_binary_label(images, labels):
    # 使用TensorFlow原生操作，比Python循环效率更高，且兼容图模式
    binary_labels = tf.cast(tf.equal(labels, photo_class_idx), tf.int32)
    return images, binary_labels

# 用map方法执行标签转换
new_train_ds = train_ds.map(convert_to_binary_label)

验证转换效果 #

可以取一个批次查看标签是否正确转换：

for images, labels in new_train_ds.take(1):
    print(labels.numpy())  # 输出只会包含0和1

内容的提问来源于stack exchange，提问作者Eccsx