拆分k_images为x_train和x_test报错Too many values to unpack如何解决

你当前使用的(x_train, _), (x_test, _) = k_images解构语法，仅适配Keras内置数据集（如MNIST、CIFAR）的加载返回结构，这类接口会直接返回预先拆分好的(训练集, 训练标签), (测试集, 测试标签)嵌套元组。但你的代码存在两个核心问题：

• 循环内的k_images是单张jpg读取后生成的三维ndarray（维度为(高度, 宽度, 通道数)），完全不符合上述解构需要的结构，因此触发值数量不匹配的报错
• 你还没有把10张图片汇总为完整的数据集数组，直接对单张图片做拆分没有实际意义

修改步骤 #

• 先把所有读入的图片汇总为一个完整的数据集数组
• 按比例切分训练集和测试集，可以用sklearn的拆分工具，也可以手动切片实现

修改后的代码示例：

import glob
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as mpimg
from sklearn.model_selection import train_test_split

# 汇总所有图片到列表
all_images = []
for img_path in glob.glob("F:/Pics/Training_data/*.jpg"):
    k_images = mpimg.imread(img_path)
    all_images.append(k_images)
    # 原有显示逻辑，不需要可以删除
    plt.imshow(k_images)
    plt.show()

# 转为numpy格式的总数据集
all_images = np.array(all_images)

# 按8:2拆分训练集和测试集，不需要标签就不用额外加占位变量
x_train, x_test = train_test_split(all_images, train_size=0.8, random_state=42)

# 不想引入sklearn也可以手动切片拆分，10张图的话前8张训练、后2张测试
# x_train = all_images[:8]
# x_test = all_images[8:]

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