我最近开始使用tensorflow学习CNN，发现tfrecords在加速训练方面非常有帮助，但我正在与数据API作斗争。
解析后，我的数据集由（图像，标签）元组组成，这对于训练来说很好，但是我试图在另一个数据集中提取图像，以便调用keras.predict()。

我尝试了这个解决方案：

test_set = get_set_tfrecord(test_path, _parse_function, num_parallel_calls = 4)lab = []f = Truefor image, label in test_set.take(600):    if f:      img = tf.data.Dataset.from_tensors(image)      f = False    else:      img = img.concatenate(tf.data.Dataset.from_tensors(image))    lab.append(label.numpy())

这个代码简单粗糙，不是很好，但它有效，除了为了执行连接（即堆叠）操作，它会将每个图像加载到RAM中。

正确的做法是什么？

回答：

你可以使用tf.data.Dataset中的mapAPI。你可以编写以下代码。

result = test_set.map(lambda image, label: image)# 你可以迭代并检查最终收到的内容。# 我期望只有图像。for image in result.take(1):    print(image)

我希望使用上述代码能解决你的问题，并且这个答案对你有帮助。