如何使用 OptionsDataset 构建卷积神经网络

Question

今年夏天我开始学习神经网络，我目前正计划使用来自 tensorflow_datasets 的 voc 数据集实现一个卷积神经网络，用于 object 检测。 我已经使用以下代码片段加载了数据集：

ds, info = tfds.load('voc', split=['train','test'], with_info=True, shuffle_files=True)

然后我将数据集拆分为训练和测试，相应地：

train, test = ds[0], ds[1]

我还使用 keras 层 API 构建了我的 model。 问题是，我实际上不知道如何使用我的 model 训练这个数据集。 如何将此数据集输入到我的 model？ 什么是最有效和合乎逻辑的方式？

火车的类型，测试拆分如下：

print(type(train))
print(type(test))

Output：

<class 'tensorflow.python.data.ops.dataset_ops._OptionsDataset'>
<class 'tensorflow.python.data.ops.dataset_ops._OptionsDataset'>

Answer 1

训练数据集包含用于训练 model 的数据。 测试通常包含您用来评估 model 的数据。 请注意，实际的 voc 数据集也有一个验证拆分：

所以通常的逻辑是使用训练数据集来训练和验证数据集在训练时进行验证。 稍后您使用测试数据集评估 model 的性能。 所以结构应该是这样的：

model.fit(train_dataset, epochs=x, validation_data=validation_dataset)

model.evaluate(test_dataset)