当我尝试使用以下代码片段来尝试对一批图像进行预测时，我收到一条消息说没有找到图像：
test_datagen = ImageDataGenerator()
test_generator = test_datagen.flow_from_directory(
directory='test/',
target_size=(300, 300),
color_mode="rgb",
shuffle = False,
class_mode='binary',
batch_size=1)
filenames = test_generator.filenames
我的目录结构如下。我首先有一个名为 dogs_vs_cats 的主目录，其中有两个子目录 train 和 test 包含各自的图像以及包含此代码的笔记本。
Kerasgenerator总是寻找子文件夹（代表类）。图像洞察子文件夹与一个类相关联。
所以当你工作C:\images\并且你有两个类，比如 C1、C2 时，你需要创建子文件夹C:\images\C1\和C:\images\C2\. 生成器函数应指向的目录洞察力C:\images\。
图像预测的情况见这篇文章：https ://stackoverflow.com/a/55991598/9524424
还有另一个选项，您不必将测试文件复制到另一个测试文件中：
datagen = ImageDataGenerator()
test_data = datagen.flow_from_directory('.', classes=['test'])
这解决了我的问题。有关更多信息，请参阅此。
ImageDataGenerator在测试图像集上运行时可能有两种情况。
案例#1：测试文件夹有代表类的子文件夹。彼得已经回答了这部分。
案例#2：没有标记的测试图像。在这种情况下，您将拥有一个测试文件夹，其中包含您要分类的所有图像。
Kyle Banks 在他的博客中写了一个技巧来处理这个问题：https ://kylewbanks.com/blog/loading-unlabeled-images-with-imagedatagenerator-flowfromdirectory-keras