在MRI切片数据集上训练深度神经网络时出现值解包不足报错如何解决

你遇到的not enough values to unpack报错和图像存放在同一个文件夹没有直接关系，是两处代码逻辑错误导致的：

1. glob匹配规则错误：你写的路径C:\\Users\\adam\\Downloads\\MRI_Images\\.png缺少通配符*，只会匹配名为.png的文件，正常情况下匹配不到任何png图像，导致images是空列表，自然无法拆出4个变量。
2. 拆包逻辑不符合自定义数据集加载逻辑：(X_train_full, y_train_full), (X_test, y_test) = 某变量这种写法是Keras加载官方内置数据集（如MNIST、CIFAR）的专用写法，官方数据集已经提前完成了标签关联、训练集测试集划分，返回的就是固定嵌套结构。你自己读取本地图像得到的images只是一个存储所有图像数组的一维列表，既没有关联标签，也没有完成数据集划分，不可能直接拆出训练集、训练标签、测试集、测试标签四个对象。

修复步骤 #

• 第一步：修正图像读取代码，补全通配符，可补充有效性校验过滤读取失败的图像：

# 补全*匹配所有后缀为.png的文件
image_paths = glob.glob("C:\\Users\\adam\\Downloads\\MRI_Images\\*.png")
images = []
for path in image_paths:
    img = cv2.imread(path)
    # cv2读取失败会返回None，过滤无效图像
    if img is not None:
        # 可选：cv2默认读取为BGR通道，训练需要RGB的话执行转换
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        images.append(img)

• 第二步：关联图像对应标签。你需要根据自己数据集的标注规则提取标签，常见规则有两种：
  • 标签存储在csv文件中，和图像文件名一一对应，可通过pandas读取csv匹配文件名获取标签
  • 图像按类别存放在不同子文件夹中，子文件夹名称即为标签，可遍历子文件夹读取图像同时提取标签
• 第三步：完成数据集划分。拿到所有图像数组列表X和对应标签列表y后，使用数据集划分工具拆分：

from sklearn.model_selection import train_test_split
# test_size设置测试集占比，random_state固定随机种子保证可复现
X_train_full, X_test, y_train_full, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

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