TensorFlow MNIST代码报错AttributeError: 'dict'无splits属性如何解决

• 核心触发原因：你代码中的mnist_info实际是字典类型对象，本身不存在splits属性。该问题通常出现在使用tensorflow_datasets加载MNIST数据集的阶段：调用tfds.load时没有设置with_info=True参数，或者没有正确拆包接口返回的（数据集集合，元信息）二元组，导致mnist_info被赋值为存储训练集、测试集的数据集字典，而非数据集元信息对象。
• 除此之外你的代码还存在几处拼写/调用错误，修复完核心问题后也会触发报错，需要同步修正：
  • 变量名不一致：先定义了num_validation_sample，后续tf.cast中误写为num_validation_samples多了后缀s
  • 数据类型拼写错误：tf.init64应为tf.int64
  • 数据集操作调用错误：打乱数据集需要显式调用shuffle方法，原代码scaled_train_and_validation_data(BUFFER_SIZE)写法错误
  • 属性名拼写错误：获取样本数的属性为num_examples，原代码少写了后缀s，写为num_example

首先修正数据集加载代码，确保正确获取元信息对象：

import tensorflow as tf
import tensorflow_datasets as tfds

# with_info=True会返回（数据集集合，元信息）二元组，as_supervised=True返回(图像,标签)的标准监督学习数据结构
mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True)

再修正后续业务代码的所有问题，完整可运行代码如下：

mnist_train = mnist_dataset['train']
mnist_test = mnist_dataset['test']

num_validation_sample = 0.1 * mnist_info.splits['train'].num_examples
num_validation_sample = tf.cast(num_validation_sample, tf.int64)

num_test_samples = mnist_info.splits['test'].num_examples
num_test_samples = tf.cast(num_test_samples, tf.int64)

def scale(image, label):
    image = tf.cast(image, tf.float32)
    image /= 255.
    return image, label

scaled_train_and_validation_data = mnist_train.map(scale)
test_data = mnist_test.map(scale)

BUFFER_SIZE = 10000
shuffled_train_and_validation_data = scaled_train_and_validation_data.shuffle(BUFFER_SIZE)
validation_data = shuffled_train_and_validation_data.take(num_validation_sample)
train_data = shuffled_train_and_validation_data.skip(num_validation_sample)

BATCH_SIZE = 100
train_data = train_data.batch(BATCH_SIZE)
validation_data = validation_data.batch(num_validation_sample)

validation_inputs, validation_targets = next(iter(validation_data))

内容的提问来源于stack exchange，提问作者Ashan