shine业火的个人资料

爬取safebooru网站的代码，分享，同时希望大佬们看看感谢豆包帮忙效率还算可以，121秒下载245张图片

模拟失败，各位大佬帮我看看各位大佬看看出了什么问题，为何模拟结果查那么多我的代码，源代码没找到，不会用github，原作者网址：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fgithub.com%2F2swap%2Fswaptube&urlrefer=3c19f0f07f158de6e49b4a7c5a19dcc1”：大佬的模拟成果我的结果

懂不懂咖啡厅的终极浪漫啊

求助各位玩家遇到了吐字吐一半的问题，大家都这样吗？

狂想，let's 头脑风暴魂师到魂圣，吸收第七魂环后，第七魂技，统一为武魂真身，也算是斗罗大陆的核心设定了。那么，有没有一种可能，其实在更古老的时代，其实没有百级成神的说法。大家修到魂圣后，就开始对武魂真身无止境开发，最后弄出各种稀奇古怪的效果遗传后世。比如七宝琉璃塔，79级锁死，该不会是前辈为了锁死技能池子，活活削了两层塔吧。九心海棠，单治愈技能，但一代只能有两个同时活于世。星罗帝国戴朱两家稳定传承的武魂融合技幽冥白虎。这些不太像是第八、九魂环的类神权柄带来的，更像武魂真身练到影响了武魂。而且黄金铁三角的武魂融合技也很奇怪，罗三炮在四眼猫鹰和火龙的加持下，居然能变黄金圣龙。因为两个魂技都是大师玉小刚的，所以核心绝对是罗三炮。一个29级天赋被锁死的大魂师，能让两个魂圣的武魂打辅助。该不会罗三炮的变异方向，是天然具备武魂真身，然后因为没变完出了岔子，才成了啼笑皆非的半级魂力，还锁死了大师的上限？因为罗三炮的灵性，在斗罗一那堆用来打架的死器死兽里算断档式的高。

坠机了哈哈哈

cifar数据集使用dataset.map方法加载，只有部分能传染模型中训ll 使用的是cifar-10数据集，数据格式为.png。训练集有50000个，但fit的时候只有782个，不知道出了什么问题，有大佬解答一下吗？ cifa-10训练集链接如下链接：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fpan.baidu.com%2Fs%2F1YkzxuVnOKH1JJYkYmtlGMw%3Fpwd%3Dwk3g+&urlrefer=36c28a59a90fa21fd20f2388a151c350 提取码：wk3g --来自百度网盘超级会员V3的分享完整代码如下 import os import tensorflow as tf from tensorflow.python.keras import layers, models os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' def load_data(path): image_folder = path # 获取文件夹中所有图片的路径 image_paths = [os.path.join(image_folder, f) for f in os.listdir(image_folder) if f.endswith('.png')] # 将图片路径切片,再转为数字 labels = [] labels_all = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'] for fn in os.listdir(image_folder): label_name = fn.split("_")[1].split('.')[0] index = labels_all.index(label_name) labels.append(index) dataset = tf.data.Dataset.from_tensor_slices((image_paths, labels)) # 定义函数，传入图片路径和标签名，返回张量和独热码 def train_data(image_path, label): image = tf.io.read_file(image_path) image = tf.image.decode_png(image, channels=3) image = tf.image.resize(image, [32, 32]) # 原始图片大小重设为(32,32) image = image / 255.0 label = tf.one_hot(label, depth=10) return image, label # 使用map方法加载数据 dataset = dataset.map(train_data) return dataset path1 = './cifar/train/' dataset = load_data(path1) print(dataset) dataset = dataset.shuffle(1337, seed=10).batch(64) def build_model(): model = models.Sequential() # 卷积32,（3,3）——池化——卷积64,（3,3）——池化——卷积64,（3,3）——全连接——输出 # 卷积32,（3,3） model.add(layers.Conv2D(input_shape=(32, 32, 3), filters=32, kernel_size=(3, 3), strides=(1, 1), padding='valid', activation='relu')) # 池化，最大化抽样，窗口2*2 model.add(layers.MaxPool2D(pool_size=(2, 2))) # 卷积64,（3,3） model.add(layers.Conv2D(filters=64, kernel_size=(3, 3), strides=(1, 1), padding='valid', activation='relu')) # 池化，最大化抽样，窗口2*2 model.add(layers.MaxPool2D(pool_size=(2, 2))) # 卷积64,（3,3） model.add(layers.Conv2D(filters=64, kernel_size=(3, 3), strides=(1, 1), padding='valid', activation='relu')) # 全连接层、flattern()将卷积和池化后提取的特征摊平后输入全连接网络 model.add(layers.Flatten()) model.add(layers.Dense(128, activation='relu')) # 分类 model.add(layers.Dense(10, activation='softmax')) # 模型编译 model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) return model model = build_model() history = model.fit(dataset, epochs=10, verbose=2) path2 = './cifar/test/' dataset_test = load_data(path2) dataset_test = dataset_test.shuffle(1337, seed=10).batch(64) test_loss, test_acc = model.evaluate(dataset_test, verbose=2) print(test_acc) 输出结果为如上图所示，只fit了782个训练集，求大佬帮忙解决。

萌新求助大佬求助大佬 tensorflow如何加载本地的mnist数据集？