使用3个X光图像文件夹创建训练测试集时fastai报数据集为空错误

核心错误原因 #

你的代码存在明显的变量名笔误：你定义的数据集根路径变量为path，但调用ImageDataBunch.from_folder时第一个参数传入了未定义的dta，导致fastai无法定位到数据集目录，识别训练集、验证集为空，触发后续报错。

第一步：修正代码笔误 #

修改后的可运行基础代码如下：

import os
from fastai.vision import *
import numpy as np

path = Path('/content/drive/MyDrive/X-Ray_Image_DataSet')
# 可选：先打印路径下的文件列表，确认目录结构正确
print("根目录下的文件/文件夹：", os.listdir(path))

np.random.seed(41)
# 把第一个参数从dta改为正确的路径变量path
data = ImageDataBunch.from_folder(path, train="Train", valid ="Valid", ds_tfms=get_transforms(),size=(256,256), bs=32, num_workers=4).normalize()

其他排查点（修正笔误后仍报错可依次检查） #

• 确认数据集目录结构符合from_folder方法的要求：
  根目录/content/drive/MyDrive/X-Ray_Image_DataSet下必须存在Train和Valid两个子文件夹，两个子文件夹下需要再按类别建立二级子文件夹，对应类别的X光图像存放在对应类别的二级子文件夹中，参考结构：

  X-Ray_Image_DataSet/
  ├─ Train/
  │  ├─ 类别A/
  │  │  ├─ 1.png
  │  │  └─ ...
  │  └─ 类别B/
  │     ├─ 2.png
  │     └─ ...
  └─ Valid/
     ├─ 类别A/
     │  ├─ 3.png
     │  └─ ...
     └─ 类别B/
        ├─ 4.png
        └─ ...
  

• 确认谷歌云盘已成功挂载到Colab运行环境，路径没有拼写错误，Train和Valid文件夹下存在至少1张可正常读取的X光图像。
• 如果你不想手动拆分训练、验证集，希望fastai自动从所有图像中拆分出验证集，可以调整调用参数，去掉train和valid的指定，传入valid_pct设置验证集占比即可，示例：

  data = ImageDataBunch.from_folder(path, valid_pct=0.2, ds_tfms=get_transforms(),size=(256,256), bs=32, num_workers=4).normalize()
  

• 确认所有图像为fastai支持的格式（png、jpg、jpeg等），没有损坏文件、隐藏文件或后缀名异常的文件存放在图像目录中。

内容的提问来源于stack exchange，提问作者JAY SURANA_183115