我有两个文件夹的数据（训练集有10000张图像，验证集有1000张图像），每个文件夹内有10个子文件夹（分别代表不同的类别）。我将所有这些数据放入了一个数据框架中，以便后续使用。然而，当我使用Tensorflow中的”flow_from_dataframe”函数时，某些文件夹内的图像被认为具有无效的名称，因此被忽略了。

当我尝试在Tensorflow之外访问任何图像时，例如通过简单地打开图像，我仍然无法访问某些文件，尽管路径完全正确。

from PIL import Imageim = Image.open("D:\Ensino Superior\ISCTE-IUL\Mestrado em Engenharia Informatica\Tese\Testagem\TomatoLeafDisease\data\Train\Tomato___Tomato_mosaic_virus\Tomato___Tomato_mosaic_virus_original_f16eeb0f-5219-4a81-9941-351b3d9ba5fc___PSU_CG 2089.JPG_a88e521f-cec2-4755-871f-782de8192056.JPG") im.show() 

尝试访问Tensorflow代码之外的图像时的输出

数据框架

我已经研究过，发现使用绝对路径可能有帮助并使其工作，但即使如此，仍有一些图像被忽略。我该怎么做才能确保没有图像被忽略？

输出错误前的代码：

def create_gen():    train_generator = tf.keras.preprocessing.image.ImageDataGenerator(        preprocessing_function=tf.keras.applications.mobilenet_v2.preprocess_input,        validation_split=0.2    )    test_generator = tf.keras.preprocessing.image.ImageDataGenerator(        preprocessing_function=tf.keras.applications.mobilenet_v2.preprocess_input    )    train_images = train_generator.flow_from_dataframe(        dataframe=train_df,        x_col='Filepath',        y_col='Class',        target_size=(224, 224),        color_mode='rgb',        class_mode='categorical',        batch_size=32,        shuffle=True,        seed=0,        subset='training',        rotation_range=30, # 取消注释以使用数据增强        zoom_range=0.15,        width_shift_range=0.2,        height_shift_range=0.2,        shear_range=0.15,        horizontal_flip=True,        fill_mode="nearest"    )    val_images = train_generator.flow_from_dataframe(        dataframe=train_df,        x_col='Filepath',        y_col='Class',        target_size=(224, 224),        color_mode='rgb',        class_mode='categorical',        batch_size=32,        shuffle=True,        seed=0,        subset='validation',        rotation_range=30, # 取消注释以使用数据增强        zoom_range=0.15,        width_shift_range=0.2,        height_shift_range=0.2,        shear_range=0.15,        horizontal_flip=True,        fill_mode="nearest"    )    test_images = test_generator.flow_from_dataframe(        dataframe=validation_df,        x_col='Filepath',        y_col='Class',        target_size=(224, 224),        color_mode='rgb',        class_mode='categorical',        batch_size=32,        shuffle=False    )    return train_generator,test_generator,train_imagespretrained_model = tf.keras.applications.MobileNetV2(input_shape=(224, 224, 3),include_top=False,weights='imagenet',pooling='avg'train_generator,test_generator,train_images,val_images,test_images = create_gen()

在Tensorflow中使用”flow_from_data_frame”后的输出

回答：

问题解决了。原因是图像的路径和图像名称本身太长了。