如何处理以下异常-“PngStream”对象没有属性“chunk_eXIf”

Question

我正在尝试构建一个带有8个隐藏层的CNN，并在Keras中用Tensorflow后端编写相同的代码。在执行时，我得到了一个未知的错误：'PngStream' object has no attribute 'chunk_eXIf'。

我试着在google上搜索同样的错误。只有3个链接出现了！他们都帮不上忙。

#Importing
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense

#classifier
classifier = Sequential()


#convolution layer-1
classifier.add(Convolution2D(32, 9, padding='same', input_shape = (128, 128, 3), activation = 'relu' ))
#maxpooling layer-1
classifier.add(MaxPooling2D(pool_size=(2, 2), strides=None))

#convolution layer-2
classifier.add(Convolution2D(64, 5, padding='same', activation = 'relu' ))
#maxpooling layer-2
classifier.add(MaxPooling2D(pool_size=(2, 2), strides=None))

#convolution layer-3
classifier.add(Convolution2D(64, 3, padding='same', activation = 'relu' ))
#maxpooling layer-3
classifier.add(MaxPooling2D(pool_size=(2, 2), strides=None))

classifier.add(Flatten())

#full connection
classifier.add(Dense(1028, activation = 'relu'))

classifier.add(Dense(4, activation = 'relu'))

#compiling
classifier.compile(optimizer='adam',
          loss='categorical_crossentropy',
          metrics=['accuracy'])

#preprocessing
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

#loading images
training_set = train_datagen.flow_from_directory(
                                                   r'D:\ImageDataset\Training',
                                                    target_size=(128, 128),
                                                    batch_size=32,
                                                    class_mode='categorical')

#training begins here
classifier.fit_generator(
        training_set,
        steps_per_epoch=7594,
        epochs=5)
classifier.save('cnn_four_classes.h5')

所有的时代都应该运行，没有错误，因为我的培训数据中没有图像是.png！我有所有的.jpg。

谢谢

Answer 1

有一个不错的剧本，您可以通过它来控制内部过程。这意味着，您可以在每次迭代中定义自己的数据生成方式，以及目录中的流动数据。

在这个脚本中，作者从.npy文件中加载数据，而您需要读取可以由matplotlib、CV或其他包完成的图像。根据你的选择使用它。然后添加您想要用于增强的功能，如旋转、缩放、剪切等。