来自 使用Keras进行训练和评估：

当从数据集对象进行训练时，不支持使用validation_split参数（从训练数据中生成一个保留集），因为此功能需要能够索引数据集的样本，而这在使用数据集API时通常是不可能的。

有没有解决办法？我如何仍然可以使用TF数据集的验证集？

回答：

不，你不能使用validation_split（正如文档中清楚描述的），但你可以创建validation_data并“手动”创建Dataset。

你可以在同一个tensorflow教程中看到一个例子：

# 准备训练数据集train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))train_dataset = train_dataset.shuffle(buffer_size=1024).batch(64)# 准备验证数据集val_dataset = tf.data.Dataset.from_tensor_slices((x_val, y_val))val_dataset = val_dataset.batch(64)model.fit(train_dataset, epochs=3, validation_data=val_dataset)

你可以使用简单的切片从numpy数组（(x_train, y_train) 和 (x_val, y_val)）创建这两个数据集，如下所示：

(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()x_val = x_train[-10000:]y_val = y_train[-10000:]x_train = x_train[:-10000]y_train = y_train[:-10000]

还有其他创建tf.data.Dataset对象的方法，请查看tf.data.Dataset文档和相关的教程/笔记本。