TensorFlow flow_from_dataframe()报invalid filenames错误解决方案

在Windows系统下使用Jupyter-lab，基于TensorFlow、Keras在经典Cats-Dogs猫狗数据集上练习目标识别任务，参照网络教程编写代码时，触发图片文件名相关警告。
训练文件夹路径为 C:\Users***\Documents\PetImages\Cats_Dogs，文件夹内所有jpg文件均已重命名为一位整数顺序编号，文件夹结构参考：

警告触发位置为flow_from_dataframe的x_col参数，多轮排查未定位根因。

C:\Users\***\anaconda3\lib\site-packages\keras\preprocessing\image.py:989: UserWarning: Found 34876 invalid image filename(s) in x_col="filename". These filename(s) will be ignored.
  warnings.warn('Found {} invalid image filename(s) in x_col="{}". '.

代码中IDG指代ImageDataGenerator库，数据加载核心逻辑如下：

train_generator = train_datagen.flow_from_dataframe(train_df,
                                                 "C:/Users/Edo/Documents/PetImages/Cats_Dogs",x_col='filename',y_col='category',
                                                 target_size=Image_Size,
                                                 class_mode='categorical',
                                                 batch_size=batch_size)
validation_datagen = IDG(rescale=1./255)
validation_generator = validation_datagen.flow_from_dataframe(
    validate_df, 
    "C:/Users/***/Documents/PetImages/Cats_Dogs", 
    x_col='filename',
    y_col='category',
    target_size=Image_Size,
    class_mode='categorical',
    batch_size=batch_size
)       

该警告的核心触发逻辑是：flow_from_dataframe会读取传入DataFrame的x_col列存储的文件名，和传入的目录路径拼接后查找本地文件，所有拼接后路径不存在、文件无法被识别为有效图片的条目，都会被判定为无效文件名并忽略。可按以下步骤逐一排查修复：

• 核对DataFrame存储文件名与实际文件名是否匹配
  绝大多数这类报错都是重命名文件后，没有重新遍历文件夹生成新的训练/验证DataFrame，DataFrame里存储的还是原数据集的旧文件名（比如cat.0.jpg、dog.1.jpg），和目录里现有的一位数编号文件名完全不匹配，直接导致上万条文件查找失败。
  在Jupyter中运行以下代码，对比两边文件名样例即可快速确认问题：

  # 打印DataFrame中存储的前10个文件名
  print("DF存储文件名：", train_df['filename'].head(10).values)
  # 打印目标文件夹下实际存在的jpg文件名
  import os
  img_dir = "C:/Users/Edo/Documents/PetImages/Cats_Dogs"
  actual_jpgs = [f for f in os.listdir(img_dir) if f.lower().endswith('.jpg')]
  print("文件夹实际文件名：", actual_jpgs[:10])
  

• 检查Windows文件扩展名隐藏导致的命名错误
  Windows系统默认隐藏已知文件类型的扩展名，重命名时如果没有开启扩展名显示，很容易出现以为文件命名为1.jpg、实际文件全名为1.jpg.jpg的情况，导致路径拼接后找不到文件。可打开资源管理器的「查看」选项卡，勾选「文件扩展名」，确认所有图片后缀正确，无重复后缀问题。
• 重新生成过滤无效项的DataFrame
  直接遍历目标文件夹生成DataFrame，自动过滤损坏图片、系统隐藏文件、临时文件，从根源避免文件名不匹配问题：

  import os
  import pandas as pd
  from PIL import Image
  from sklearn.model_selection import train_test_split
  
  img_dir = "C:/Users/Edo/Documents/PetImages/Cats_Dogs"
  valid_files = []
  labels = []
  
  for f in os.listdir(img_dir):
      # 仅处理jpg格式文件
      if not f.lower().endswith('.jpg'):
          continue
      file_path = os.path.join(img_dir, f)
      # 校验图片可正常读取，跳过损坏文件
      try:
          img = Image.open(file_path)
          img.verify()
          valid_files.append(f)
          # 按自己的标签规则替换映射逻辑，示例为文件名首字符1对应猫、0对应狗
          labels.append('cat' if f.startswith('1') else 'dog')
      except Exception as e:
          print(f"跳过无效文件：{f}")
  
  # 生成全量数据集并拆分训练、验证集
  full_df = pd.DataFrame({'filename': valid_files, 'category': labels})
  train_df, validate_df = train_test_split(full_df, test_size=0.2, random_state=42)
  train_df = train_df.reset_index(drop=True)
  validate_df = validate_df.reset_index(drop=True)
  

• 统一路径写法
  代码中所有路径统一使用正斜杠书写，避免Windows反斜杠带来的转义字符识别问题。

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