Conda环境下TensorFlow读取CSV与图片遇文件未找到错误的求助

核心问题分析 #

错误提示明确指出无法找到指定图片文件，可能的原因包括：路径拼接错误、文件实际不存在、文件名与CSV中记录不一致，或跨平台路径分隔符冲突。

分步解决方案 #

1. 确认文件与路径的真实性 #

• 直接前往错误提示的路径C:\Users\USER\CODE\PycharmProjects\pythonProject2Conda\train_images\，检查129_97.png是否存在，注意文件名的大小写、空格、特殊字符是否与CSV中记录完全一致（Windows文件名不区分大小写，但代码中若存在拼写错误仍会导致问题）。
• 打开train.csv，核对第一列的文件名是否与实际图片文件名完全匹配，排查是否存在换行符、空格等隐藏字符。

2. 修复路径拼接逻辑 #

手动拼接字符串容易出现跨平台分隔符问题（Windows用\，代码中用/），且原代码未显式导入os模块（虽调用了os.getcwd()），建议用os.path.join生成标准路径：

# 先添加os模块导入（原代码遗漏）
import os

# 替换原路径拼接代码
train_images = [os.path.join(os.getcwd(), "train_images", fname) for fname in train_df.iloc[:, 0].values]
test_images = [os.path.join(os.getcwd(), "test_images", fname) for fname in test_df.iloc[:, 0].values]

os.path.join会自动根据操作系统生成正确的路径分隔符，避免手动拼接的错误。

3. 添加路径验证调试 #

生成路径后，添加代码快速验证路径有效性，定位问题：

# 检查前5个训练集路径是否存在
for path in train_images[:5]:
    print(f"路径：{path}，文件存在：{os.path.exists(path)}")

如果输出中存在False，说明对应路径的文件确实缺失或路径错误，针对性修复即可。

4. 处理少量缺失文件（可选） #

若数据集存在少量缺失文件，可在read_image函数中添加异常处理，跳过无效样本：

def read_image(image_path, label):
    try:
        image = tf.io.read_file(image_path)
        image = tf.image.decode_image(image, channels=1, dtype=tf.float32)
        image.set_shape((64, 64, 1))
        label[0].set_shape([])
        label[1].set_shape([])
        labels = {"first_num": label[0], "second_num": label[1]}
        return image, labels
    except tf.errors.NotFoundError:
        # 返回占位样本，后续过滤
        dummy_image = tf.zeros((64, 64, 1), dtype=tf.float32)
        dummy_labels = {"first_num": tf.constant(0, dtype=tf.int32), "second_num": tf.constant(0, dtype=tf.int32)}
        return dummy_image, dummy_labels

# 添加过滤函数，移除占位样本
def filter_valid_samples(image, labels):
    return tf.reduce_all(tf.not_equal(image, 0))

# 更新数据集处理流程
train_dataset = (
    train_dataset.shuffle(buffer_size=len(train_labels))
    .map(read_image)
    .filter(filter_valid_samples)
    .batch(batch_size=BATCH_SIZE)
    .prefetch(buffer_size=AUTOTUNE)
)

内容的提问来源于stack exchange，提问作者Isesele Victor