使用tf.Dataset加载图像报错：ValueError: 'images' contains no shape

我来帮你搞定这个报错！你遇到的ValueError: 'images' contains no shape本质原因是**tf.image.decode_image返回的张量没有静态形状信息**，而tf.image.resize_images需要明确知道输入的维度结构才能正常工作。

为什么会出现这个问题？ #

当你用tf.read_file读取图像得到字符串张量后，decode_image虽然能成功解码图像，但它是一个通用的图像格式解码函数（自动识别JPG/PNG等），没办法在图构建阶段确定图像的具体宽高和通道数——毕竟不同图像的尺寸可能不一样，所以它返回的张量形状是完全未知的，这就导致resize函数找不到必要的形状信息，直接抛出错误。

解决方法 #

这里有两个靠谱的解决方案，推荐用第一个：

方案1：改用特定格式的解码函数

根据你的图像格式（JPG/PNG），使用tf.image.decode_jpeg或tf.image.decode_png替代decode_image。这些函数会返回带有明确静态形状的张量（结构为[None, None, channels]，其中None表示宽高未知，但维度是确定的），足够让resize_images正常工作。

方案2：手动设置张量形状（仅适用于所有图像尺寸一致的场景）

如果你必须用decode_image，可以在解码后用tf.set_shape手动指定图像的维度，比如：

image_decoded = tf.image.decode_image(image_string)
# 假设所有图像都是256x256x3的尺寸
image_decoded.set_shape([256, 256, 3])

但这个方法局限性很大，如果你的图像尺寸不一致，就会触发形状不匹配的错误。

修正后的完整代码 #

我还帮你修复了原代码里的两个小bug（比如引用变量错误、数据集map的调用错误），完整代码如下：

import tensorflow as tf
from os import listdir
from os.path import isfile, join

class DatasetImporter():
    def __init__(self, inputs_path, labels_path):
        self.inputs_path = inputs_path
        self.labels_path = labels_path
        self.dataset = None

    def _get_files(self, path):
        # 简化路径拼接，用join更规范
        return sorted([join(path, f) for f in listdir(path) if isfile(join(path, f))])

    def _parse_function(self, input_filename, label_filename):
        # 处理输入图像：假设是JPG格式，channels=3表示RGB
        image_string = tf.read_file(input_filename)
        image_decoded = tf.image.decode_jpeg(image_string, channels=3)
        # 现在可以正常resize了
        image_resized = tf.image.resize_images(image_decoded, [28, 28])

        # 同样处理标签图像（假设标签是单通道灰度图）
        label_string = tf.read_file(label_filename)
        label_decoded = tf.image.decode_jpeg(label_string, channels=1)
        label_resized = tf.image.resize_images(label_decoded, [28, 28])
        # 根据需求转换标签类型，比如转成int32用于分类任务
        label = tf.cast(label_resized, tf.int32)

        return image_resized, label

    def loadData(self):
        input_files = self._get_files(self.inputs_path)  # 原代码这里误写为dsi.inputs_path
        label_files = self._get_files(self.labels_path)
        print(input_files)
        
        self.dataset = tf.data.Dataset.from_tensor_slices((tf.constant(input_files), tf.constant(label_files)))
        # 原代码这里误写为dataset.map，应该是self.dataset.map
        self.dataset = self.dataset.map(self._parse_function)

# 初始化并加载数据
dsi = DatasetImporter("images", "labels")
dsi.loadData()

额外提示 #

• 如果你的图像是PNG格式，把decode_jpeg换成decode_png即可，记得对应调整channels参数（比如PNG透明图是4通道）。
• 如果需要对图像做更多预处理（比如归一化、随机翻转），可以直接在_parse_function里添加对应的TensorFlow操作。

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