请参考以下代码，使用tensorflow 数据集“oxford_flowers102”创建训练、测试和验证拆分

!pip install tensorflow==2.0.0

import tensorflow as tf
print(tf.__version__)
import tensorflow_datasets as tfds

labeled_ds, summary = tfds.load('oxford_flowers102', split='train+test+validation', with_info=True)

labeled_all_length = [i for i,_ in enumerate(labeled_ds)][-1] + 1

train_size = int(0.8 * labeled_all_length)
val_test_size = int(0.1 * labeled_all_length)

df_train = labeled_ds.take(train_size)
df_test = labeled_ds.skip(train_size)
df_val = df_test.skip(val_test_size)
df_test = df_test.take(val_test_size)

df_train_length = [i for i,_ in enumerate(df_train)][-1] + 1
df_val_length = [i for i,_ in enumerate(df_val)][-1] + 1
df_test_length = [i for i,_ in enumerate(df_test)][-1] + 1

print('Original: ', labeled_all_length)
print('Train: ', df_train_length)
print('Validation :', df_val_length)
print('Test :', df_test_length)

我有same problem
这取决于数据集，大多数数据集都有训练集和测试集。在这种情况下，您可以执行以下操作（假设80-10-10拆分）：

splits, info = tfds.load('fashion_mnist', with_info=True, as_supervised=True,
split=['train+test[:80]','train+test[80:90]', 'train+test[90:]'],
data_dir=filePath)

• 弗朗切斯科·博伊·苏伦对我很有帮助 *

splits, info = tfds.load('fashion_mnist', with_info=True, as_supervised=True, split=['train+test[:80]','train+test[80:90]', 'train+test[90:]'])

(train_examples, validation_examples, test_examples) = splits

导入tensorflow 数据集：

将tensorflow_datasets导入为tfd

MNIST_info用于在加载MNIST数据集后保存MNIST数据集：

MNIST数据集，MNIST信息= tfds.加载（名称=“MNIST”，信息=真，监督=真）

将MNIST数据集分为两部分，训练和测试数据集：

MNIST_train，MNIST_test = MNIST_数据集[“train”]，MNIST_数据集[“test”]
验证样本数=0.1*MNIST信息拆分[“列车”].示例数

（分配10%的训练数据集以创建确认数据集。）

一旦创建了验证数据集，我们就可以将样本转换为整数。

验证样本数= tf.cast（验证样本数，tf.int64）

同样，我们以类似的方式创建了测试样本，

测试样本数= MNIST信息.拆分[“测试”].示例数
测试样本数= tf.cast（测试样本数，tf.int64）
训练样本数= 0.8*MNIST信息拆分[“训练”].示例数

（从测试数据集中分配80%用于创建训练数据集。）

训练样本数= tf.cast（训练样本数，tf.int64）
希望这已经回答了您的问题🙂👍