训练CNN猫狗分类模型时遇图像通道错误，求解决建议

问题根源 #

你的Kaggle猫狗数据集里存在通道数为2的异常图片（正常猫狗图片应为3通道RGB或1通道灰度图），导致image_dataset_from_directory解码图片时触发报错。

具体解决步骤 #

1. 定位异常图片 #

先运行这段代码扫描数据集，找出通道数异常或损坏的图片：

import os
import cv2

dataset_path = r'C:\Users\berid\python\cats and dogs\PetImages'
class_folders = ['Cat', 'Dog']

for folder in class_folders:
    folder_full_path = os.path.join(dataset_path, folder)
    for filename in os.listdir(folder_full_path):
        img_path = os.path.join(folder_full_path, filename)
        try:
            img = cv2.imread(img_path, cv2.IMREAD_UNCHANGED)
            if img is None:
                print(f"损坏图片: {img_path}")
                continue
            # 判断通道数
            channel_count = img.shape[2] if len(img.shape) == 3 else 1
            if channel_count not in [1, 3, 4]:
                print(f"异常通道数图片: {img_path} | 通道数: {channel_count}")
        except Exception as e:
            print(f"处理图片出错: {img_path} | 错误信息: {str(e)}")

2. 处理异常文件 #

• 损坏的图片直接删除即可；
• 通道数为2的图片，数量通常很少，直接删除是最高效的方式；若想保留，可通过OpenCV转换为3通道：

# 示例：将单张异常图片转为3通道RGB
img = cv2.imread(abnormal_img_path, cv2.IMREAD_UNCHANGED)
converted_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.imwrite(abnormal_img_path, converted_img)

3. 加载数据集时增加容错 #

更新加载代码，强制指定3通道RGB格式，并跳过可能残留的损坏图片：

import tensorflow as tf

data = tf.keras.utils.image_dataset_from_directory(
    r'C:\Users\berid\python\cats and dogs\PetImages',
    image_size=(224, 224),  # 按你的模型输入尺寸调整
    color_mode='rgb',  # 强制加载为3通道
    shuffle=True,
    # 新版本TensorFlow支持该参数，跳过损坏图片
    error_handler=lambda err: print(f"跳过异常图片: {err}")
)

如果你的TensorFlow版本不支持error_handler，确保先删除所有异常图片再执行加载。

内容的提问来源于stack exchange，提问作者beridzeg45