当我将 `keras.datasets.cifar10` 与 model.fit 一起使用时,它会生成错误
When I use `keras.datasets.cifar10` with model.fit it generates error
我想知道keras.dataset
和tfds.load
的区别。当我使用下面的代码时它工作正常,比如:
train_dataset, val_dataset = tfds.load( "tf_flowers", split=["train[:90%]", "train[90%:]"], as_supervised=True )
model.fit(train_dataset, validation_data=val_dataset, epochs=NUM_EPOCHS)
但是当我将模式拟合代码与 keras.datasets
一起使用时,它会生成错误“ValueError:具有多个元素的数组的真值不明确。使用 a.any() 或a.all()"
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar100.load_data()
model.fit(x_train, validation_data=y_train, epochs=NUM_EPOCHS)
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
Link 我的 google colab 代码是 HERE.
因为 tfds.load(.... , as_supervised=True )
returns 数据集 (tf.data) 已经包含了 img 和 label,但是 keras.datasets.cifar100.load_data()
给你的只是数组(img 和 label),所以它应该是这样的:
model.fit(x=x_train, y=y_train, validation_data=(x_test, y_test), epochs=NUM_EPOCHS)
我想知道keras.dataset
和tfds.load
的区别。当我使用下面的代码时它工作正常,比如:
train_dataset, val_dataset = tfds.load( "tf_flowers", split=["train[:90%]", "train[90%:]"], as_supervised=True )
model.fit(train_dataset, validation_data=val_dataset, epochs=NUM_EPOCHS)
但是当我将模式拟合代码与 keras.datasets
一起使用时,它会生成错误“ValueError:具有多个元素的数组的真值不明确。使用 a.any() 或a.all()"
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar100.load_data()
model.fit(x_train, validation_data=y_train, epochs=NUM_EPOCHS)
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
Link 我的 google colab 代码是 HERE.
因为 tfds.load(.... , as_supervised=True )
returns 数据集 (tf.data) 已经包含了 img 和 label,但是 keras.datasets.cifar100.load_data()
给你的只是数组(img 和 label),所以它应该是这样的:
model.fit(x=x_train, y=y_train, validation_data=(x_test, y_test), epochs=NUM_EPOCHS)