Keras使用flow_from_dataframe加载数据时报FileNotFound错误如何解决

• 参数拼写错误：调用flow_from_dataframe方法时，将必填参数directory错误拼写为diretory，缺少字母c，导致Keras无法识别根目录参数，拼接文件路径时仅使用DataFrame中存储的文件名，没有补充根目录前缀，最终找不到对应文件。
• 关闭了文件名校验：你设置了validate_filenames=False，生成器初始化阶段不会校验文件路径有效性，因此初始化时不会抛出错误，直到模型训练阶段实际读取文件才会触发异常。这也是当你将validate_filenames设为True时，代码会在初始化阶段直接报错的核心原因。
• 附加排查项：如果修正拼写后仍报错，需要确认base_folder路径是否正确指向图片存储的根目录，以及DataFrame的files列是否仅存储文件名，没有多余的路径前缀、空格或格式错误。

1. 修正参数拼写，将两处diretory改为正确的directory
2. 开启文件名校验，将validate_filenames设为True，方便初始化阶段就定位路径问题
3. 可提前手动验证路径有效性，避免训练阶段报错：

import os
# 测试路径拼接是否正确
sample_path = os.path.join(base_folder, trainn.iloc[0]['files'])
print(f"测试路径：{sample_path}，是否存在：{os.path.exists(sample_path)}")

4. 修正后的生成器代码示例：

data_gen_object=ImageDataGenerator(rescale=1.0/255.0, validation_split=0.25)

data_gen_object_training_flow = data_gen_object.flow_from_dataframe(
    trainn,
    directory=base_folder,
    subset='training',
    x_col='files', 
    y_col='class',
    target_size=(200,200), 
    batch_size=64,
    class_mode='binary',
    validate_filenames=True
)

data_gen_object_testing_flow = data_gen_object.flow_from_dataframe(
    trainn,
    directory=base_folder,
    subset='validation',
    x_col='files', 
    y_col='class',
    target_size=(200,200), 
    batch_size=64,
    class_mode='binary',
    validate_filenames=True
)

如果需要使用独立的测试集评估模型，再单独为testt DataFrame创建对应生成器即可。

内容的提问来源于stack exchange，提问作者Rohail