使用Keras进行图像分类时遭遇AttributeError报错的解决求助

从你的报错信息和代码来看，这个错误的核心原因是PIL的fromarray()方法被传入了字符串类型的图片路径，而不是预期的图像数组，这大概率和你修改过PIL的Image.py文件有关，也可能是依赖库版本的兼容性问题。下面是具体的解决方案：

1. 恢复修改过的PIL Image.py文件 #

你提到修改了Image.py，而报错里显示img = pil_image.fromarray(path)——这明显不符合逻辑，正常情况下load_img函数应该是用pil_image.open(path)来读取图片文件，而不是把路径直接传给fromarray()（这个方法是用来从数组生成图像的）。

• 找到你的PIL安装路径（比如你这里是C:\Users\user\AppData\Local\Continuum\anaconda3\lib\site-packages\PIL\Image.py），将其恢复为原始版本：
  • 如果是用conda安装的，执行conda install --force-reinstall pillow强制重新安装Pillow，覆盖修改后的文件；
  • 如果是pip安装的，执行pip install --force-reinstall pillow。

2. 修正代码中的潜在疏漏 #

虽然这不是当前错误的直接原因，但你的代码里有一处明显的问题，可能后续引发其他报错：

• 你使用了input_shape参数但未赋值，需要根据图像通道顺序补充定义：

  # 若使用默认的channels_last格式（TensorFlow后端）
  input_shape = (img_width, img_height, 3)
  # 若使用channels_first格式（Theano后端）
  # input_shape = (3, img_width, img_height)
  

3. 升级相关依赖库 #

如果恢复Image.py后问题仍然存在，可能是Keras或keras-preprocessing的版本兼容性问题：

• 升级Keras：pip install --upgrade keras
• 升级keras-preprocessing：pip install --upgrade keras-preprocessing

4. 验证数据集目录结构 #

最后再确认一下数据集路径的结构是否符合flow_from_directory的要求：

• 确保train_dir和validation_dir下存在对应类别的子目录，比如train目录下要有cats和dogs两个子文件夹，每个子文件夹内存放对应类别的图片；
• 你已经用原始字符串（r'...'）处理路径，这部分是正确的，不用调整。

按照上面的步骤逐一排查，应该能解决这个错误。

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