使用Tensorflow数据集创建RLE（行程编码）蒙版

我一直在尝试使用Tensorflow数据集，但无法弄清楚如何有效地创建RLE蒙版。仅供参考，我正在使用Kaggle的空客船舶检测挑战赛中的dat：https：//www.kaggle.com/c/airbus-ship-detection/data

我知道我的RLE解码功能可以从以下一种内核中工作（借用）：

def rle_decode(mask_rle, shape=(768, 768)):
'''
mask_rle: run-length as string formated (start length)
shape: (height,width) of array to return
Returns numpy array, 1 - mask, 0 - background
'''
if not isinstance(mask_rle, str):
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
    return img.reshape(shape).T

s = mask_rle.split()
starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
starts -= 1
ends = starts + lengths
img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
for lo, hi in zip(starts, ends):
    img[lo:hi] = 1
return img.reshape(shape).T

....但它似乎在管道中不能很好地发挥作用：

list_ds = tf.data.Dataset.list_files(train_paths_abs)
ds = list_ds.map(parse_img)

使用以下解析函数，一切正常：

def parse_img(file_path,new_size=[128,128]):    
    img_cOntent= tf.io.read_file(file_path)
    img = tf.image.decode_jpeg(img_content)
    img = tf.image.convert_image_dtype(img, tf.float32)    
    img = tf.image.resize(img,new_size)
    return img

但是如果我戴上口罩，事情就会变得很糟糕：

def rle_decode(mask_rle, shape=(768, 768)):
'''
mask_rle: run-length as string formated (start length)
shape: (height,width) of array to return
Returns numpy array, 1 - mask, 0 - background
'''
if not isinstance(mask_rle, str):
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
    return img.reshape(shape).T

s = mask_rle.split()
starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
starts -= 1
ends = starts + lengths
img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
for lo, hi in zip(starts, ends):
    img[lo:hi] = 1
return img.reshape(shape).T

尽管我的parse_img功能工作正常（我已经在一个样本上对其进行了检查，但每次运行需要271 µs±67.9 µs）。list_ds.map挂起之前，此步骤需要花费永久时间（> 5分钟）。我不知道怎么了，这让我发疯！ 任何的想法？