将Numpy阵列加载到TensorFlow输入管道中

Question

因此，我正在遵循一个教程，以制作图像的数据加载器（ https://github.com/codebasics/deep-learning-keras-tf-tutorial/blob/master/44_tf_data_pipeline/tf_data_pipeline.pipeline.ipynb ）。

完整的代码就是这样：

images_ds = tf.data.Dataset.list_files("path/class/*")

def get_label(file_path):
    import os
    parts = tf.strings.split(file_path, os.path.sep)
    return parts[-2]

## How the tutorial does it
def process_image(file_path):
    label = get_label(file_path)

    img = tf.io.read_file(file_path)
    img = tf.image.decode_jpeg(img)

    return img, label

## How I want to do it
def process_image(file_path):
    label = get_label(file_path)


    img = np.load(file_path)
    img = tf.convert_to_tensor(img) 

    return img, label

train_ds = images_ds.map(process_image)

在教程中，数据是.jpeg。但是，我的数据是.npy。

因此，将数据加载到以下代码不起作用：

img = tf.io.read_file(file_path)
img = tf.image.decode_jpeg(img)

我想解决此问题，但我的解决方案不起作用。

img = np.load(file_path)
img = tf.convert_to_tensor(img) 

当我喂食process_image函数1实例时，它确实有效。但是，当我使用.map函数时，我会出现错误。

错误：
TypeError：预期的str，字节或OS.Pathike对象，而不是张量

与tf.image.decode_image（）用于解码numpy数组和/或有人可以帮助我解决我当前的错误吗？

Answer 1

@André的评论使我朝着正确的方向发展。下面的代码有效。

def process_image(file_path):
    label = get_label(file_path)
    label = np.uint8(label)

    img = np.load(file_path)
    img = tf.convert_to_tensor(img/255, dtype=tf.float32) 

    return img , label 

train_ds = images_ds.map(lambda item: tf.numpy_function(
          process_image, [item], (tf.float32, tf.uint8)))