Keras flow_from_directory加载单文件夹图片报错：未找到图像与类别

flow_from_directory的默认逻辑是要求目标目录下必须存在子文件夹作为类别划分，它会把子文件夹名当作类别，然后统计子文件夹里的图像数量。你直接读取仅含图像的训练文件夹时，找不到符合要求的类别子目录，就会报“Found 0 images belonging to 0 classes”的错误。

针对自编码器的训练需求（不需要分类标签，输入即标签），有两种实用方案：

方案1：调整目录结构（最简单） #

给训练、验证文件夹各加一个子文件夹（比如命名为normal），把所有图像移到这个子文件夹里，让目录结构变成：

train/
└── normal/
    ├── img1.jpg
    ├── img2.jpg
    └── ...
validation/
└── normal/
    ├── imgA.jpg
    ├── imgB.jpg
    └── ...

然后修改生成器代码，指定class_mode='input'（自编码器训练时，输入数据就是标签数据）：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

img_height, img_width = 256, 256
batch_size = 32

train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
    'path/to/train',
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='input'  # 关键：输入即标签
)

val_datagen = ImageDataGenerator(rescale=1./255)
val_generator = val_datagen.flow_from_directory(
    'path/to/validation',
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='input'
)

方案2：用flow_from_dataframe绕过目录结构限制 #

如果不想改目录结构，可以用flow_from_dataframe，先把图像路径整理成DataFrame，再生成训练数据：

import pandas as pd
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 整理训练集图像路径
train_dir = 'path/to/train'
train_files = [f for f in os.listdir(train_dir) if f.endswith(('.png', '.jpg', '.jpeg'))]
train_df = pd.DataFrame({
    'filename': [os.path.join(train_dir, f) for f in train_files],
    'label': [os.path.join(train_dir, f) for f in train_files]  # 自编码器标签等于输入
})

# 生成训练生成器
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_dataframe(
    dataframe=train_df,
    x_col='filename',
    y_col='label',
    target_size=(256, 256),
    batch_size=32,
    class_mode='input',
    validate_filenames=False
)

# 验证集同理复制上述逻辑即可

内容的提问来源于stack exchange，提问作者user22108863