请在此处找到可行的解决方案。

生成器看起来像：

# Data generators
train_datagen = ImageDataGenerator(
      rescale=1./255,
      rotation_range=40,
      width_shift_range=0.2,
      height_shift_range=0.2,
      shear_range=0.2,
      zoom_range=0.2,
      horizontal_flip=True,
      fill_mode='nearest')

# Note that the validation data should not be augmented!
test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        # This is the target directory
        train_dir,
        # All images will be resized to 150x150
        target_size=(150, 150),
        batch_size=batch_size,
        # Since we use categorical_crossentropy loss, we need binary labels
        class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
        validation_dir,
        target_size=(150, 150),
        batch_size=batch_size,
        class_mode='categorical')

确保以正确的方式存储图像。例如

...images/train/class1/
...images/train/class2/
...images/val/class1/
...images/val/class2/

生成器函数确实需要这种结构。因此，请确保 train/test 目录中的每个类都有子文件夹。

您还可以使用该data generator功能进行预测，如本文所述。

上述场景（Peter 提供）假设 validation_dir 是test_datagen.flow_from_directory(). 所以逻辑是只有你在weblinktest_dir中提供的一对一文件夹结构（./test/folder/image）。

test_datagen.flow_from_directory( validation_dir,...)是一种方法级联，它是一种允许在同一个对象上调用多个方法的语法。这样就可以使用 的功能了flow_from_directory()。

它找不到任何类，因为 test 没有子目录。如您在上面的日志输出中所见，如果没有类，它就无法加载您的图像。但是有一个解决方法，因为您可以指定测试目录的父目录并指定您只想加载测试“类”：

datagen = ImageDataGenerator()
test_data = datagen.flow_from_directory('.', classes=['test'])