TensorFlow TFDS数据加载阶段数据增强报错TypeError/AttributeError求助

• 核心错误1：_random_apply 要求第一个参数是可调用的函数对象，但你传入的是 tf.image.flip_left_right(image) 这类执行后返回的张量，程序尝试把张量当函数调用就会抛出Tensor不可调用的报错。
• 核心错误2：tf.data.Dataset.map 默认在TensorFlow图模式下执行，图模式下的张量没有numpy()方法，强行调用就会出现属性不存在的报错，所有数据增强操作直接用TF原生张量操作即可，完全不需要转numpy数组。
• 遍历数据集时报错的原因还是核心错误1没有彻底解决，你传给_random_apply的第一个参数仍然是执行后的张量，不是可调用函数。

def _random_apply(func, x, p):
  return tf.cond(tf.less(tf.random.uniform([], minval=0, maxval=1, dtype=tf.float32),
                  tf.cast(p, tf.float32)),
        lambda: func(x),
        lambda: x)

def _resize_with_pad(image):
  # 直接使用TF原生操作，返回张量即可
  return tf.image.resize_with_pad(image, target_height=IMG_S, target_width=IMG_S)   

def augment(image, label):
  # 第一个参数传函数对象本身，不要提前调用执行
  img = _random_apply(tf.image.flip_left_right, image, p=0.2)
  img = _random_apply(_resize_with_pad, img, p=1)
  return img, label

train_dataset = (
    train_ds
    .shuffle(1000)
    .map(augment, num_parallel_calls=tf.data.AUTOTUNE)
    .prefetch(tf.data.AUTOTUNE)
)

• 如果需要传入的函数有额外参数，用lambda包装即可，比如要调用带自定义参数的处理函数，可以写 lambda x: tf.image.random_brightness(x, max_delta=0.2) 作为第一个参数传给_random_apply。
• 所有在tf.data.Dataset.map中调用的函数，尽量都使用TensorFlow原生操作实现，不要转numpy数组，避免图模式执行报错。

内容的提问来源于stack exchange，提问作者JKnecht