tensorflow - 如何在训练 TensorFlow Lite 模型时删除数据集中可能导致错误的元素

Question

我正在尝试使用 TensorFlow Lite 训练一个简单的图像分类模型。我正在按照这个文档编写我的代码。如文档中所述，为了训练我的模型，我编写了model = image_classifier.create(train_data, model_spec=model_spec.get('mobilenet_v2'), validation_data=validation_data). 然而，经过几秒钟的训练，我得到了一个InvalidArgumentError. 我相信错误是由于我的数据集中的某些东西造成的，但是手动从数据集中消除所有错误来源太困难了，因为它由数千张图像组成。经过一番研究，我找到了一个潜在的解决方案——我可以使用tf.data.experimental.ignore_errors它“生成一个包含与输入相同元素的数据集，但默默地删除任何导致错误的元素”。但是，从文档中（这里) 我不知道如何将此转换功能与我的代码集成。如果我dataset = dataset.apply(tf.data.experimental.ignore_errors())在训练模型之前放置线，系统不知道要删除哪些元素。如果我把这条线放在后面，系统永远不会到达这条线，因为训练中会出现错误。此外，系统会给出错误消息AttributeError: 'ImageClassifierDataLoader' object has no attribute 'apply'。如果有人能告诉我如何tf.data.experimental.ignore_errors()与我的模型或我面临的问题的可能替代方案集成，我将不胜感激。

标签： tensorflow

Answer 1

嗨，如果您完全遵循文档，那么 tf.data.experimental.ignore_errors您将无法使用，因为您没有使用 tf.data 加载数据，您很可能正在使用from tflite_model_maker.image_classifier import DataLoader.

注意：请提及完整的代码片段以帮助您解决问题