我正尝试用我自己的数据集重新创建这个作品：https://www.kaggle.com/code/amyjang/tensorflow-pneumonia-classification-on-x-rays/notebook
我对代码做了一些细微的调整以适应我的数据，但我不认为这是导致这里出现问题的原因;当然有可能。
我的代码：

AUTOTUNE = tf.data.AUTOTUNE
BATCH_SIZE = 16
IMAGE_SIZE = [180, 180]
EPOCHS = 25
CLASS_NAMES = np.array(['active', 'inactive'])

train_list_ds = tf.data.Dataset.from_tensor_slices(glob.glob(f'{WORKING}/train/*/*'))
val_list_ds = tf.data.Dataset.from_tensor_slices(glob.glob(f'{WORKING}/val/*/*'))
test_list_ds = tf.data.Dataset.from_tensor_slices(glob.glob(f'{WORKING}/test/*/*'))

#print(next(train_list_ds.batch(60_000).as_numpy_iterator())[:5])

def get_label(path):
  # switcher that converts the keywords to 1 or zero
  if tf.strings.split(path, os.path.sep) == "inactive":
    return 0 # inactive
  else:
    return 1 # active

def decode_img(img):
  # convert the compressed string to a 3D uint8 tensor
  img = tf.image.decode_jpeg(img, channels=3)
  # Use `convert_image_dtype` to convert to floats in the [0,1] range.
  img = tf.image.convert_image_dtype(img, tf.float32)
  # resize the image to the desired size.
  resizedImage = tf.image.resize(img, IMAGE_SIZE)
  return resizedImage

def process_path(file_path):
    label = get_label(file_path)
    # load the raw data from the file as a string
    img = tf.io.read_file(file_path)
    img = decode_img(img)
    return img, label

train_ds = train_list_ds.map(process_path, num_parallel_calls=AUTOTUNE)
val_ds = val_list_ds.map(process_path, num_parallel_calls=AUTOTUNE)
test_ds = test_list_ds.map(process_path, num_parallel_calls=AUTOTUNE)
test_ds = test_ds.batch(BATCH_SIZE)

image_batch, label_batch = next(iter(train_ds))

和错误：

---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-21-d0b00c7e96e2> in <module>
     68 test_ds = test_ds.batch(BATCH_SIZE)
     69 
---> 70 image_batch, label_batch = next(iter(train_ds))
     71 
     72 # Use buffered prefetching so we can yield data from disk without having I/O become blocking.

3 frames
/usr/local/lib/python3.7/dist-packages/tensorflow/python/framework/ops.py in raise_from_not_ok_status(e, name)
   7184 def raise_from_not_ok_status(e, name):
   7185   e.message += (" name: " + name if name is not None else "")
-> 7186   raise core._status_to_exception(e) from None  # pylint: disable=protected-access
   7187 
   7188 

InvalidArgumentError: Input to reshape is a tensor with 10 values, but the requested shape has 1
     [[{{node Reshape}}]] [Op:IteratorGetNext]

我可以从错误中收集到，我在调整大小时有一个不匹配，我相信它指向了错误的位置，虽然它是与resizedImage = tf.image.resize(img, IMAGE_SIZE)行有关
我已经看过了文档和SO，但是我找不到任何可能对我有帮助的东西。我已经试着通过在屏幕上打印东西来尽我所能地调试。我也试着改变IMAGE_SIZE，但是没有什么区别。
在图像上，它们在磁盘上的大小不同，以JPG格式。我希望这不重要，因为我们可以使用这一步来调整它们的大小，以便稍后由模型处理。
其他有用的信息是，我正在开发专业版的GoogleCollab，文件存储在Google驱动器中。我试着先发制人地写一些人们可能会问的东西。
最后，Amy在Kaggle上的代码中有一个prepare_for_training函数，它在我在上面的代码中提供的最后一行之前被调用。我可以在不调用该函数的情况下触发同样的错误，所以我故意省略了它，以帮助保持示例代码的简洁。如果你想看它，笔记本中有一个指向它的快速链接：https://www.kaggle.com/code/amyjang/tensorflow-pneumonia-classification-on-x-rays?scriptVersionId=39162263&cellId=26