tf.keras.utils.image_dataset_from_directory，但标签来自 csv？

请告诉我哪里出错了。我正在研究 Kaggle 狗品种分类挑战，我想尝试 one-hot 编码与标签编码。图像未在图像目录中拆分，因此我无法将“推断”与 tf.keras.utils.image_dataset_from_directory 一起使用，标签位于单独的 csv 文件中，我将其放入 df (label_int) 中。

cat_count = 120 #depth or the number of categories
oh_input = tf.one_hot(label_int, cat_count) #apply one-hot encoding

label_int 是我的所有标签的整数形式的列表，其顺序与目录中的图像相同。 oh_input 是一个 one-hot 向量列表。

batch_size = 32
img_height = 224
img_width = 224

train_ds = tf.keras.utils.image_dataset_from_directory(train_dir,labels = oh_input,label_mode = 'categorical',validation_split=0.2,subset="training",seed=123,image_size=(img_height, img_width),batch_size=batch_size)

val_ds = tf.keras.utils.image_dataset_from_directory(train_dir,labels = oh_input,label_mode = 'categorical',validation_split=0.2,subset="validation",seed=123,image_size=(img_height, img_width),batch_size=batch_size)

错误：

154 if kwargs:

155 raise TypeError(f'Unknown keywords argument(s): {tuple(kwargs.keys())}') --> 156 if labels not in ('inferred', None):

...

100 dtype = dtypes.as_dtype(dtype).as_datatype_enum 101 ctx.ensure_initialized() --> 102 return ops.EagerTensor(value, ctx.device_name, dtype) TypeError: Cannot convert 'inferred' to EagerTensor of dtype int64

我在 tf.one_hot 函数中尝试了其他数据类型，但没有一个有效。我猜我只是错过了一些基本的语法错误。

https://www.tensorflow.org/api_docs/python/tf/keras/utils/image_dataset_from_directory https://www.tensorflow.org/api_docs/python/tf/keras/utils/image_dataset_from_directory

我还尝试过 labels= *(a numpy array of integer value) 和 label_mode =int ，这给了我另一个错误。我还尝试了 labels = None ，它显示“找到属于 1 个类的 10222 个文件。”所以我不确定是否可以稍后将标签添加到拟合函数中。

在这种情况下，您可以使用 keras.preprocessing.image.ImageDataGenerator() 类，然后使用 flow_from_directory() 或 flow_from_dataframe() ，因为它的功能取决于您正在处理的情况。