Colab环境下TensorFlow加载文件夹图片提示未找到图片错误

报错“No images found in directory”的解决方法 #

tf.keras.utils.image_dataset_from_directory 要求数据集根目录下必须按类别存放二级子目录，不支持直接读取根目录下的图片文件，这是90%以上该报错的触发原因，可按需选择以下方案解决：

• 方案1：调整目录结构适配接口要求
  在/content/pics下新建对应类别的子文件夹（如类别A、类别B），把对应类别的png图片分别移入对应子目录。如果是无标注不需要分类的场景，直接新建一个任意名称的子文件夹（如/content/pics/imgs），把所有png图片移入该文件夹即可，调整后重新运行原代码就能正常加载。
• 方案2：验证路径与文件有效性
  运行以下代码确认路径下存在可识别的png文件，排查路径拼写错误、文件后缀不匹配的问题：

  import os
  # 打印pics目录下的所有文件/文件夹
  print("根目录内容：", os.listdir('/content/pics'))
  # 遍历所有子目录打印png文件路径
  for root, dirs, files in os.walk('/content/pics'):
      for f in files:
          if f.lower().endswith('.png'):
              print("找到png文件：", os.path.join(root, f))
  

  如果运行后无png文件输出，说明你创建的pics目录路径有误，或者图片后缀不是png格式，调整路径或文件后缀即可。
• 方案3：无需调整目录的替代加载方案
  如果你不想调整目录结构，可以直接用文件匹配接口加载所有根目录下的png，示例代码如下：

  import tensorflow as tf
  # 匹配所有根目录下的png文件
  all_imgs = tf.data.Dataset.list_files('/content/pics/*.png')
  # 图片预处理函数
  def preprocess_img(img_path):
      img = tf.io.read_file(img_path)
      img = tf.image.decode_png(img, channels=3)
      return tf.image.resize(img, (165, 1310))
  # 按3:7拆分验证集和训练集
  val_num = int(len(all_imgs) * 0.3)
  train_ds = all_imgs.skip(val_num).map(preprocess_img).shuffle(seed=123, buffer_size=200).batch(30)
  val_ds = all_imgs.take(val_num).map(preprocess_img).batch(30)
  

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