使用image_dataset_from_directory时遇ValueError：数组真值判断歧义

报错原因 #

你遇到的问题源于LabelEncoder.fit_transform返回的是numpy数组，而tf.keras.utils.image_dataset_from_directory的labels参数要求传入Python原生的列表/元组类型。当传入numpy数组时，函数内部的if labels not in ("inferred", None)判断会触发numpy数组与字符串的逐元素比较，导致逻辑歧义，最终抛出ValueError。

解决方案 #

只需将numpy数组格式的标签转换为Python原生列表或元组即可：

方法1：用tolist()转换（推荐） #

修改标签编码代码，直接将numpy数组转为列表：

from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
# 将numpy数组结果转为Python列表
y_train = encoder.fit_transform(list(y_train["breed"])).tolist()

方法2：用list()包裹转换 #

也可以直接用list()包裹numpy数组完成转换：

y_train = list(encoder.fit_transform(list(y_train["breed"])))

额外注意事项 #

必须保证自定义标签的顺序与image_dataset_from_directory加载图片的顺序完全一致——也就是图片按路径字母数字排序后的顺序。如果你的y_train["breed"]对应的图片文件名本身就是按这个规则排列的，转换后直接使用即可；如果不是，需要先将图片文件名按规则排序，再对应匹配标签。

内容的提问来源于stack exchange，提问作者user19676560