我制作的多标签数据集对吗？

Question

我正在尝试制作一个 tf2.0 数据集，其中包含已经采用 np.array 格式的图像和每个图像的 7 个不同标签。我的代码是 dataset=tf.data.Dataset.from_tensor_slices((data,labelZh,labelCh1,labelCh2,labelCh3,labelCh4,labelCh5,labelCh6))

我tf.data.Dataset.from_tensor_slice使用正确吗？因为当我将数据集放入我的网络时出现错误： TypeError: in converted code: TypeError: map_fn() takes from 1 to 3 positional arguments but 8 were given

以下是我的网络：

def Forward():
input=keras.Input(shape=(64,64,3),name='title')
x=layers.Conv2D(8,3,activation="relu",padding='same',kernel_initializer="he_normal")(input)
x=layers.MaxPooling2D(2)(x)
x=layers.Dropout(0.25)(x)
x=layers.Conv2D(16,3,activation="relu",padding='same',kernel_initializer="he_normal")(x)
x=layers.MaxPooling2D(2)(x)
x=layers.Conv2D(32,3,activation="relu",padding='same',kernel_initializer="he_normal")(x)
x=layers.MaxPooling2D(2)(x)
x=layers.Conv2D(64,3,activation="relu",padding='same',kernel_initializer="he_normal")(x)
x=layers.MaxPooling2D(2)(x)
x=layers.Dropout(0.25)(x)
output_Zh=layers.Dense(32)(x)
output_1=layers.Dense(34)(x)
output_2=layers.Dense(34)(x)
output_3=layers.Dense(34)(x)
output_4=layers.Dense(34)(x)
output_5=layers.Dense(34)(x)
output_6=layers.Dense(34)(x)
model=keras.Model(inputs=input,outputs=[output_Zh,output_1,output_2,output_3,output_4,output_5,output_6])

return model

Answer 1

我现在无法测试代码，但这是否解决了您的问题：

dataset=tf.data.Dataset.from_tensor_slices((
    data,
    {
        'output_Zh': labelZh,
        'output_1': labelCh1,
        'output_2': labelCh2,
        'output_3': labelCh3,
        'output_4': labelCh4,
        'output_5': labelCh5,
        'output_6': labelCh6
    }
))

我制作的多标签数据集对吗？

Am I making a multi-label dataset right?

python

tensorflow

tensorflow-datasets

tensorflow2.0