TF 版本：2.4.1，TypeError：“ReadFile”Op 的输入“文件名”的类型为 float32，与预期的字符串类型不匹配答案

【问题标题】：TF version : 2.4.1, TypeError: Input 'filename' of 'ReadFile' Op has type float32 that does not match expected type of stringTF 版本：2.4.1，TypeError：“ReadFile”Op 的输入“文件名”的类型为 float32，与预期的字符串类型不匹配
【发布时间】：2021-04-03 16:28:25
【问题描述】：

我在 Google Colab 上使用此数据 http://weegee.vision.ucmerced.edu/datasets/landuse.html。

尝试使用以下方法将图像加载为数据框：

# Download and unzip images
!wget http://weegee.vision.ucmerced.edu/datasets/UCMerced_LandUse.zip
!unzip UCMerced_LandUse.zip
print("DONE!")
filename = '//content/UCMerced_LandUse/Images'
data = tf.keras.preprocessing.image_dataset_from_directory(filename)

我收到以下错误：

TypeError: Input 'filename' of 'ReadFile' Op has type float32 that does not match expected type of string.

Error output

它找到了带有标签的文件夹，但它错过了每个标签文件夹中的所有 100 张图像。图片格式为“.tif”。

在图片中可以观察到目录结构。

功能：

tf.keras.preprocessing.image.load_img('/content/UCMerced_LandUse/Images/agricultural/agricultural00.tif', grayscale=False, color_mode="rgb", target_size=None, interpolation="nearest")

Works well and show the image.

我已经尝试了以下帖子中的所有内容： TypeError: Input 'filename' of 'ReadFile' Op has type float32 that does not match expected type of string 比如重命名文件：

all_dir = glob.glob('UCMerced_LandUse/Images/*/')
for dir in sort(all_dir):
    name = dir.split('/')[2]
    for img, n in zip(sort(glob.glob(dir + '*.tif')), range(0,100)):  
       new_file = os.path.join(dir, '{}{}.tif'.format(name, n))
       os.rename(img, str(new_file))

以及互联网上提出的其他一些“解决方案”。但是没有人解决这个问题。

如果你能从我失败的地方找到一些线索，我们将不胜感激。

谢谢。

【问题讨论】：

标签： python tensorflow keras image-preprocessing

【解决方案1】：

查看问题后我意识到：

image_dataset_from_directory 函数不接受 .tif 格式，如文档所示：

Supported image formats: jpeg, png, bmp, gif. Animated gifs are truncated to the first frame.

我必须使用 flow_from_directory 方法和 ImageDataGenerator 类来代替 image_dataset_from_directory。

首先我生成代码来分割训练和验证文件夹中的图像：

import shutil
import random


validaton = 33

for dir in all_dir:
   validation = []
   train = []
   validation = random.sample(list(sort(glob.glob(dir + '*.tif'))), validaton)
   for i_val in glob.glob(dir + '*.tif'):
       if i_val not in validation:
          train.append(i_val)
  
label_name = dir.split('/')[-2]
if not os.path.exists('/content/UCM_cust/validation'+'/'+label_name) & 
    os.path.exists('/content/UCM_cust/train'+'/'+label_name):
    os.mkdir('/content/UCM_cust/validation'+'/'+label_name)
    os.mkdir('/content/UCM_cust/train'+'/'+label_name)


for z in validation:
   dest_name = None
   dest_name = z.split('/')[-1]
   shutil.copyfile(z,'/content/UCM_cust/validation/'+label_name+'/'+dest_name)

for t in train:
   dest_name = None
   dest_name = t.split('/')[-1]
   shutil.copyfile(t, '/content/UCM_cust/train/'+label_name+'/'+dest_name)

然后我按照blog.keras的教程，使用以下代码加载数据

batch_size = 32

# this is the augmentation configuration we will use for training
train_datagen = ImageDataGenerator(rescale=1./255)


test_datagen = ImageDataGenerator(rescale=1./255)

# this is a generator that will read pictures found in
# subfolers of 'data/train', and indefinitely generate

train_generator = train_datagen.flow_from_directory(
    '/content/UCM_cust/train',  # this is the target directory
    target_size=(256, 256),  
    batch_size=batch_size,
    class_mode='categorical')  

# this is a similar generator, for validation data
validation_generator = test_datagen.flow_from_directory(
    '/content/UCM_cust/validation',
    target_size=(256, 256),
    batch_size=batch_size,
    class_mode='categorical')

火车：找到属于 21 个类别的 1407 张图片。

验证：找到属于 21 个类别的 693 张图片。

我希望这对其他人有用

【讨论】：