Keras使用ImageDataGenerator生成验证集时报cannot identify image file错误

cannot identify image file <_io.BytesIO object at 0x7fd2278943b0> 报错是图像加载库PIL/Pillow在读取图片时，无法识别输入的文件为有效图像格式。你的代码本身逻辑没有明显语法错误，问题主要来源于数据集文件或参数适配，可按以下步骤逐一排查：

• 排查损坏/无效的图片文件
  你设置的validation_split=0.2会从指定PATH目录下随机划分20%数据作为验证集，首先需要过滤PATH下所有异常文件，可运行以下简易脚本批量检测：

import os
from PIL import Image

img_extensions = ['.jpg', '.jpeg', '.png', '.bmp']
invalid_files = []

for root, dirs, files in os.walk(PATH):
    for file in files:
        ext = os.path.splitext(file)[-1].lower()
        if ext in img_extensions:
            try:
                img = Image.open(os.path.join(root, file))
                img.verify()
            except Exception as e:
                invalid_files.append(os.path.join(root, file))
        else:
            # 非图片后缀文件直接加入异常列表
            invalid_files.append(os.path.join(root, file))

print("异常文件列表：", invalid_files)

检测出的异常文件可直接移除，避免被加载。

• 确认数据集目录结构符合要求
  flow_from_directory要求数据路径PATH下的结构必须为：每个类别对应一个独立子文件夹，所有图片直接存放在对应类别子目录中，禁止在类别目录下存放txt、压缩包、系统缓存文件（如Mac的.DS_Store）等非图片文件。
• 适配训练方法的参数
  你使用的fit_generator、samples_per_epoch、nb_epoch都是Keras 2.2之前的旧版API，如果你使用的是TensorFlow 2.x配套的Keras版本，参数不兼容也可能触发数据加载异常，可修改为新版写法：

model.fit(
    train_dataset,
    steps_per_epoch=100,
    epochs=10,
    validation_data=validation_dataset
)

• 单独验证验证集加载逻辑
  运行validation_dataset.next()手动触发一批验证集数据加载，如果该命令直接报错，即可完全确认问题出在验证集的文件本身，和模型训练逻辑无关。

内容的提问来源于stack exchange，提问作者John