Keras构建自动驾驶模型报错：int()参数应为字符串/数字而非PngImageFile

嘿，作为刚入门深度学习的新手，遇到这个问题太正常啦！我来给你拆解一下原因和解决办法：

问题根源 #

你现在直接把PIL库加载出来的PngImageFile对象喂给Keras模型了，但Keras的Sequential模型只认数值型的numpy数组，不认图像对象本身——这就是报错的核心原因。

具体解决方案 #

1. 把图像对象转换成numpy数组（必做）

不管你是单张图像测试还是批量加载数据集，都要先把PIL图像转成数组，同时记得做像素值归一化（把0-255的像素值缩到0-1之间，这能让模型训练更稳定）：

from PIL import Image
import numpy as np

# 示例：加载单张图像并转换
img = Image.open("your_race_car_image.png")
# 转换成numpy数组 + 归一化
img_array = np.array(img) / 255.0

2. 确保模型输入层和图像形状匹配

你的模型输入层要和图像的尺寸、通道数对应上。比如如果是RGB彩色图像（3通道），假设图像尺寸是160x320，那Sequential模型的第一层要指定input_shape：

from keras.models import Sequential
from keras.layers import Dense, Flatten

model = Sequential()
# 输入层：Flatten层需要明确图像的形状（高度, 宽度, 通道数）
model.add(Flatten(input_shape=(160, 320, 3)))
# 后续的全连接层
model.add(Dense(256, activation='relu'))
model.add(Dense(128, activation='relu'))
# 输出层：转向角是回归任务，用linear激活
model.add(Dense(1, activation='linear'))

# 编译模型（回归任务用MSE损失）
model.compile(optimizer='adam', loss='mean_squared_error')

3. 批量数据集处理的注意事项

如果是用自定义数据生成器加载大量赛车图像，要在生成器内部完成图像转数组的操作，确保每个批次的数据都是numpy数组：

def custom_generator(image_paths, steering_angles, batch_size=32):
    while True:
        batch_images = []
        batch_angles = []
        # 按批次取数据
        for i in range(batch_size):
            idx = np.random.randint(len(image_paths))
            img = Image.open(image_paths[idx])
            # 转数组+归一化
            img_array = np.array(img) / 255.0
            batch_images.append(img_array)
            batch_angles.append(steering_angles[idx])
        # 转换成numpy数组返回
        yield np.array(batch_images), np.array(batch_angles)

额外小提示 #

• 所有输入图像的尺寸要统一！如果有的图是160x320，有的是200x400，模型会直接报错，加载图像时记得用img.resize((width, height))统一尺寸。
• 自动驾驶的转向角预测是回归任务，别用分类任务的损失函数（比如categorical_crossentropy），用mean_squared_error才对。

内容的提问来源于stack exchange，提问作者Seok