使用image_dataset_from_directory后每次取batch输出不同数组的原因

你的猜测完全正确，该现象确实是shuffle=True参数导致的。

具体原因 #

• tf.keras.preprocessing.image_dataset_from_directory的shuffle参数作用为：当设置为True时，每次触发数据集的迭代操作前，TensorFlow都会对整个数据集的所有样本顺序进行随机重排。
• 你每次独立执行for image_batch,label_batch in dataset.take(1):这段代码时，都会重新初始化一次数据集的迭代器，此时数据集已经完成了新一轮的随机打乱，所以拉取到的第一个批次（batch）里的样本组合和上一次执行时的样本组合完全不同，因此你打印的批次内第二个样本image_batch[1]的数组内容每次都会发生变化。

验证方法 #

你可以将加载数据集的代码修改为shuffle=False，如下所示：

dataset=tf.keras.preprocessing.image_dataset_from_directory(
  "PlantVillage",
  shuffle=False,
  image_size=(IMAGE_SIZE,IMAGE_SIZE),
  batch_size=BATCH_SIZE
)

for image_batch,label_batch in dataset.take(1):
    print(image_batch[1])

修改后重复执行打印代码，两次输出的数组内容会完全一致，即可验证上述逻辑。

内容的提问来源于stack exchange，提问作者srihitha