我想请教下，map 这里如果不使用 lambda 表达式的话，直接使用 函数 ，需要怎么写函数？
def preprocess (……):
……
return ……
原文代码如下：
dataset = tfds.load (“tf_flowers”, split=tfds.Split.TRAIN, as_supervised=True)
dataset = dataset.map (lambda img, label: (tf.image.resize (img, [224, 224]) / 255.0, label))
.shuffle (1024)
.batch (32)
for images, labels in dataset:
# 对 images 和 labels 进行操作
你好！我尝试了这个代码，提示报错，不知是否是我的代码有问题？
代码如下：
import tensorflow as tf
import tensorflow_datasets as tfds
import matplotlib.pyplot as plt
mnist_dataset = tfds.load (“mnist”, split=tfds.Split.TRAIN)
def rot90 (image, label):
image = tf.image.rot90 (image)
return image, label
mnist_dataset = mnist_dataset.map (rot90)
for image, label in mnist_dataset:
plt.title (label.numpy ())
plt.imshow (image.numpy ()[:, :, 0])
plt.show ()
提示报错信息如下：
Traceback (most recent call last):
File “C:/Users/Administrator/Desktop/certification/Answer/tfds_test3.py”, line 13, in
mnist_dataset = mnist_dataset.map (rot90)
…………
TypeError: in converted code:
TypeError: tf__rot90 () missing 1 required positional argument: 'label'可以了， as_supervised=True 可以的，或者通过 Info 里的 Features 名称来索引到也可以。
可以参考文档 tensorflow.org/api_docs/python/tf/image/random_brightness 和 https://www.tensorflow.org/api_docs/python/tf/image/adjust_brightness
看文档的意思，输出的 shape 和输入是一样的。数据增强的话倍数应该不是在这种 API 的参数里设置的，这个 API 只是单纯地调整一下图片亮度而已。换言之，tf.data 的数据增强并不是说先建一个比之前的数据集大了 X 倍的增强数据集然后再来训练，而是在预处理数据的时候使用 map+ 增强函数动态增强数据，使得每次读入的数据都经过了额外的增强处理。这方面可以参考 https://www.tensorflow.org/tutorials/images/data_augmentation
1 reply
嗯，这样理解 完全明白了，谢谢~
请问我 install tensorflow_datasets 后，import tensorflow_datasets 报错提示：ImportError: cannot import name ‘extract_zipped_paths’，这是什么原因呢？
1 reply
我没有遇到过这种情况，或许可以参考 python 3.x - ImportError: cannot import name 'extract_zipped_paths' - Stack Overflow 。比如说，建立一个全新的 conda 环境再安 tensorflow 和 tensorflow_datasets
1 reply
谢谢，我按照链接里面更改了 requests 的版本解决了
看起来是网络问题。TensorFlow Datasets 需要从谷歌的服务器下载数据集，建议设置代理或使用 Colab 测试代码。
TensorFlow Datasets 一般用于下载并载入云端已经处理好的数据集。本地数据集可参考 TensorFlow常用模块 — 简单粗暴 TensorFlow 2 0.4 beta 文档
看起来是的，应该升级到 2.1.0 版本以上。