我正在使用Python 3.7和TensorFlow来创建一个基于CIFAR-100的图像分类器。我尽量避免使用Keras，因为它可用的数据集非常有限。以下是我的代码：

我猜测for features in train循环可能有问题。当我打印训练图像/标签的len时，得到的是16。因此，我的模型训练准确率为0%，损失为16.1181%。有谁能帮我解决这个问题吗？

回答：

要直接在Keras模型中使用CIFAR-100数据集，您应该在调用tfds.load函数时使用as_supervised=True参数。这样会加载仅包含’图像’和’标签’键的数据集。您可以看到CIFAR-100数据集包含三个键：

FeaturesDict({    'coarse_label': ClassLabel(shape=(), dtype=tf.int64, num_classes=20),    'image': Image(shape=(32, 32, 3), dtype=tf.uint8),    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=100),})

因此它不能直接输入到model.fit()中。将as_supervised设为True后，返回的数据集将仅包含(u'image', u'label')键。

总结如下，

注意：如果不将as_supervised设为True，您可以使用model.train_on_batch函数来使用数据集。例如，