生成图像数据集时遭遇FileNotFoundError错误求助

1. 修正路径错误 #

报错核心是路径指向错误，先确认train文件夹的实际位置：

• 在代码开头添加以下代码，打印当前工作目录并验证目标路径：

  import os
  print("当前工作目录:", os.getcwd())
  print("目标路径内容:", os.listdir("/output/kaggle/working") if os.path.exists("/output/kaggle/working") else "路径不存在")
  

• 将data_dir改为正确的绝对路径，避免相对路径的层级混淆：

  data_dir = '/output/kaggle/working/train'
  

  如果是在Kaggle官方环境中，默认工作目录为/kaggle/working，需确认数据是否复制到了/kaggle/working/train，此时路径改为'/kaggle/working/train'即可。

2. 调整数据集加载逻辑 #

你已经手动拆分了train和validation独立文件夹，无需再使用validation_split和subset参数，应分别加载训练集与验证集：

import tensorflow as tf

img_height, img_width = 180, 180
batch_size = 32

# 加载训练集
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
  '/output/kaggle/working/train',
  label_mode="categorical",
  image_size=(img_height, img_width),
  batch_size=batch_size
)

# 加载验证集
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
  '/output/kaggle/working/validation',
  label_mode="categorical",
  image_size=(img_height, img_width),
  batch_size=batch_size
)

额外注意事项 #

• 确保train和validation文件夹结构符合要求：每个类别对应独立子文件夹，例如train/cat/xxx.jpg、train/dog/xxx.jpg，这样image_dataset_from_directory才能自动识别类别标签。

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