You need to enable JavaScript to run this app. 如何正确使用tfds.load()加载Cifar-10数据集
优惠活动
大模型
产品
解决方案
定价
更多

如何正确使用tfds.load()加载Cifar-10数据集

解决方案

你运行失败的核心原因是tfds.load()默认返回的数据集元素为字典结构,格式为{'image': 图像张量, 'label': 标签张量},且tf.data.Dataset是惰性加载的数据流,不能直接用普通Python迭代器的zip方法拆分内容。

方案1:加载时直接拆分(推荐)

在调用tfds.load()时添加as_supervised=True参数,可直接返回(图像, 标签)结构的数据集,和keras.datasets的加载逻辑对齐:

import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds

# 加载时直接得到(图像, 标签)结构的训练集、测试集
train_ds, test_ds = tfds.load(
    name='cifar10',
    split=['train', 'test'],
    as_supervised=True,  # 核心参数,自动拆分特征与标签
    shuffle_files=True
)

# 如果你需要得到和datasets.cifar10.load_data()完全一致的numpy数组格式,执行以下转换
train_images = np.array([img.numpy() for img, label in train_ds])
train_labels = np.array([label.numpy() for img, label in train_ds]).reshape(-1, 1)
test_images = np.array([img.numpy() for img, label in test_ds])
test_labels = np.array([label.numpy() for img, label in test_ds]).reshape(-1, 1)

方案2:已加载数据集的手动拆分

如果你已经完成数据集下载、不想重新加载,可通过map方法从字典结构中提取图像和标签:

# 定义提取函数,从字典中拆分图像和标签
def extract_data(item):
    return item['image'], item['label']

# 对已加载的数据集做转换
train_ds = train_ds.map(extract_data)
test_ds = test_ds.map(extract_data)

# 后续转numpy数组的操作和方案1完全一致

内容的提问来源于stack exchange,提问作者Lleims

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.20 14:36:09