您的初始构建器：

builder = tfds.ImageFolder(path_to_data)

字符串
关于提取类名。他们是隐藏的。在此生成器的train_ds.class_names中不可用。
你必须直接使用你的构建器。
获取builder.info（https://www.tensorflow.org/datasets/api_docs/python/tfds/core/DatasetInfo）
则.features（https://www.tensorflow.org/datasets/api_docs/python/tfds/features/FeaturesDict）
然后在FeaturesDict的'label'键中有一个ClassLabel（https://www.tensorflow.org/datasets/api_docs/python/tfds/features/ClassLabel），

print(builder.info.features['label'])
ClassLabel(shape=(), dtype=tf.int64, num_classes=99)

型
在它里面，你得到了一个names args/属性，描述为：
names：列表< str >，整数类的字符串名称。保持提供名称的顺序。
最后，你直接得到了答案：

class_names = builder.info.features['label'].names

型

这个问题有点老了。然而，提供了一个答案。
首先，您可以使用iter()函数在您的数据集上创建迭代器，例如，在您的训练数据集上，然后使用next()函数访问每个观察结果。
然后，您可以将.int2str()方法应用于从builder.info对象访问的标签，以将整数标签转换为相应的类名。
例如，假设您正在绘制第一组32个带有相应标签的图像，您可以使用for循环编写以下代码。

plt.figure(figsize = (15,10))
iterator =  iter(train_ds)
for i in range(32):
  img, label = next(iterator)
  plt.subplot(4,8,i+1)
  plt.imshow(img)
  plt.title(builder.info.features['label'].int2str(label))
plt.tight_layout()
plt.show()

字符串
希望这对你有帮助。

您可以访问train_ds, val_ds, test_ds，而它们也有class_names，您可以使用标签作为索引来访问它，正如fpierrem所提到的
下面是一个情节的例子：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 10))
for images, labels in train_ds.take(1):
    for i in range(9):
        ax = plt.subplot(3, 3, i + 1)
        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(train_ds.class_names[labels[i]])
        plt.axis("off")
    
plt.show()

字符串
参见https://www.tensorflow.org/tutorials/keras/classification#import_the_fashion_mnist_dataset和https://www.tensorflow.org/tutorials/load_data/images#visualize_the_data