TF2.0：解决网络只训练完一个epoch就停止的问题

在用tf2.0进行自定义训练的时候，用tf.data模块进行输入数据的创建！结果在训练的时候出现：训练完第一个epoch后，不报任何错误停止训练！

发现问题出于：在对训练数据进行“打散”操作的时候，没有加repeat()进行重复随机打散操作！修改后如下：

数据打散、划分部分：

# 乱序、批划分：
BATCH_SIZE = 16
# 训练数据：
train_count = len( train_image_path )  # 总数据个数
train_dataset = train_dataset.shuffle(train_count).repeat().batch(BATCH_SIZE)  # 乱序 + 划分批次 
train_dataset = train_dataset.prefetch(AUTOTUNE)  # 新操作：预取到缓存：加速处理
# 测试数据：
test_dataset = test_dataset.batch(BATCH_SIZE)  # 乱序 + 划分批次 
test_dataset = test_dataset.prefetch(AUTOTUNE)  # 新操作：预取到缓存：加速处理

训练部分：

history = model.fit(
    train_dataset,
    epochs = 10,
    steps_per_epoch = len(train_image_path) // BATCH_SIZE,
    validation_data = test_dataset,
    validation_steps = len(test_image_path) // BATCH_SIZE
)