在使用 `ImageDataGenerator` 时，如果遇到无法从 `keras.preprocessing.image` 导入的问题，通常与 TensorFlow/Keras 的版本差异有关。根据经验，较新的 TensorFlow 版本中，Keras 模块的位置发生了变化，导致某些旧代码中的导入路径不再适用。 ### 替代的导入方式 可以尝试以下几种方法来解决此类问题： 1. **使用 `tensorflow.keras` 路径**： ```python from tensorflow.keras.preprocessing.image import ImageDataGenerator ``` 这是目前推荐的方式，尤其是在使用 TensorFlow 2.x 环境时 [^4]。 2. **调整导入路径以匹配新版本的结构**： 如果上述方法仍然报错，可能是由于 Keras 文件夹的实际位置与 TensorFlow 中的预期位置不一致，此时可以尝试直接从 `keras.src.preprocessing.image` 导入： ```python from keras.src.preprocessing.image import ImageDataGenerator ``` 3. **手动复制文件（非首选）**： 将 `keras` 文件夹复制到 TensorFlow 的安装目录下，并相应地修改导入语句为： ```python from tensorflow.keras.src.preprocessing.image import ImageDataGenerator ``` 此方法虽然可行，但不建议经常使用，因为这可能引起其他依赖问题 [^4]。 ### 数据增强的基本示例 一旦成功导入了 `ImageDataGenerator`，可以使用如下代码对图像进行数据增强操作： ```python from tensorflow.keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img # 初始化数据增强器 datagen = ImageDataGenerator( rotation_range=30, width_shift_range=0.2, height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest' ) # 加载原始图片 img = load_img('D:\\cat1.jpg') # PIL 图像 x = img_to_array(img) # 转换为 NumPy 数组 (536, 536, 3) x = x.reshape((1,) + x.shape) # 扩展维度以形成批次 (1, 536, 536, 3) # 生成并保存增强后的图像 i = 0 for batch in datagen.flow(x, batch_size=1, save_to_dir='./Model', save_prefix='cat', save_format='jpeg'): i += 1 if i > 10: break ``` ### 常见错误排查步骤 - **检查 TensorFlow 和 Keras 的版本是否兼容**。 - **确认 Python 解释器和库安装环境的一致性**。 - **查看 IDE 或编辑器是否正确识别了项目解释器及其相关包**。 通过这些方法应该能够有效解决大部分关于 `ImageDataGenerator` 导入失败的问题。