使用fashion_mnist运行程序遇EOFError问题求助

一、解决EOFError（压缩文件损坏） #

该错误是本地缓存的FashionMNIST数据集文件下载不完整或损坏导致的，按以下步骤处理：

• 定位本地数据集缓存目录：
  • Windows：C:\Users\<你的用户名>\.keras\datasets\fashion-mnist
  • Linux/macOS：~/.keras/datasets/fashion-mnist
• 删除该目录下所有文件（含四个压缩包及可能的解压文件）
• 重新运行代码，让TensorFlow自动重新下载完整数据集
• 若自动下载失败，手动下载以下四个未解压的压缩包，放入上述缓存目录：
  • train-images-idx3-ubyte.gz
  • train-labels-idx1-ubyte.gz
  • t10k-images-idx3-ubyte.gz
  • t10k-labels-idx1-ubyte.gz

二、修复代码中的预测逻辑错误 #

你的代码最后一行predictions = model.predict(shoe)存在核心问题：model.predict()接收的是预处理后的张量，而非图片路径，同时还缺少模型编译步骤，修改后的完整代码如下：

import tensorflow as tf
from tensorflow import keras
from PIL import Image
import numpy as np

shoe = "shoe.png"

# 加载并预处理数据集
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
# 归一化（与后续预测图片处理逻辑保持一致）
train_images = train_images / 255.0
test_images = test_images / 255.0

# 构建并编译模型（必须编译才能训练）
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=5)
test_loss, test_acc = model.evaluate(test_images, test_labels)

# 处理待预测图片
img = Image.open(shoe).convert('L') # 转为灰度图
img = img.resize((28, 28)) # 调整尺寸至28x28，匹配模型输入
img_array = np.array(img)
img_array = img_array / 255.0 # 归一化
img_array = np.expand_dims(img_array, 0) # 扩展为批量维度 (1, 28, 28)

# 执行预测
predictions = model.predict(img_array)
predicted_label = np.argmax(predictions[0])
print(f"预测类别索引：{predicted_label}")

内容的提问来源于stack exchange，提问作者kool