Keras中如何获取或附加image_dataset_from_directory生成的MapDataset的文件名

有两种常用实现方式，按需选择即可：

方案1：直接保留原始文件名列表 #

tf.keras.preprocessing.image_dataset_from_directory返回的数据集对象的filenames属性顺序，和数据集输出样本的顺序完全一致，你可以先将该列表单独保存，后续按索引匹配即可：

# 加载数据集后先保存文件名列表
train_filenames = train_ds.filenames
# 后续对数据集的map、batch等操作不会改变样本顺序，直接按批次索引从train_filenames取对应文件名即可

注意：如果需要对数据集做shuffle操作，请在shuffle时指定固定随机种子，或者完成shuffle后再生成文件名列表，避免顺序不匹配。

方案2：将文件名嵌入数据集管道 #

如果你需要在迭代数据集时直接同步获取对应文件名，可以把文件名作为数据集的一部分一同传输：

# 生成文件名数据集
filename_ds = tf.data.Dataset.from_tensor_slices(train_ds.filenames)
# 与原始图像数据集拼接
train_ds_with_filenames = tf.data.Dataset.zip((train_ds, filename_ds))

# 调整预处理函数，同步返回文件名
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
def adjust_inputs_with_filenames(img_label_pair, filename):
    images, _ = img_label_pair
    norm_img = normalization_layer(images)
    return (norm_img, norm_img), filename

# 预处理后的数据集每个批次返回 ((训练输入, 训练真值), 对应文件名数组)
normalized_train_ds = train_ds_with_filenames.map(adjust_inputs_with_filenames)

这种方式不需要额外维护文件名和样本的对应关系，迭代时直接读取即可，适用于需要频繁获取文件名的场景。

内容的提问来源于stack exchange，提问作者dosvarog