为何TensorFlow数据集加载的图片显示全白？求技术支持

看起来你遇到的问题是TensorFlow加载图片后，用matplotlib显示时出现了像素值裁剪提示，并且显示出纯白图片，而你的原始图片并非如此。这其实是数据类型与数值范围不匹配导致的，我来帮你拆解原因和解决办法：

问题根源 #

tf.keras.preprocessing.image_dataset_from_directory默认不会对图片像素值进行缩放，加载后的图片数据通常是float32类型，但数值范围还是原始的0-255。而plt.imshow对输入数据的要求是：

• 如果是浮点型，期望范围是[0, 1]
• 如果是整型，期望范围是[0, 255]

当你传入0-255的浮点型数据时，plt.imshow会把所有大于1的值都裁剪为1，所以整张图片就变成纯白了，同时弹出那个Clipping提示。

解决方案 #

有两种简单的方法可以解决这个问题：

方法1：加载图片时直接缩放数值范围 #

在调用image_dataset_from_directory时，添加rescale=1./255参数，让TensorFlow自动把像素值缩放到[0,1]的浮点范围，这样plt.imshow就能正常识别：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

dataset = tf.keras.preprocessing.image_dataset_from_directory(
    "<directory>",  # 替换成你的实际路径
    label_mode=None,
    seed=1,
    subset='training',
    validation_split=0.1,
    image_size=(900, 900),
    rescale=1./255  # 新增缩放参数
)

images = next(iter(dataset))
plt.imshow(images[19])
plt.show()

方法2：显示前转换数据类型 #

如果你不想在加载时修改数据，可以在显示前把浮点型数据转换为uint8整型，这样plt.imshow会按照0-255的范围渲染：

# 假设你已经加载了原始的dataset（未缩放）
images = next(iter(dataset))
# 转换为uint8类型后再显示
plt.imshow(tf.cast(images[19], tf.uint8))
plt.show()

额外验证步骤 #

你可以先打印一下加载后数据的类型和数值范围，确认问题：

print("数据类型:", images.dtype)
print("最小值:", tf.reduce_min(images).numpy())
print("最大值:", tf.reduce_max(images).numpy())

如果输出显示类型是float32，且最大值是255左右，那就完全符合我们上面分析的情况啦。

内容的提问来源于stack exchange，提问作者mar_ey