### 解决方案 在安装 `keras_preprocessing` 后仍然遇到 `img_to_array` 方法不可用的问题，可能是因为版本兼容性或者导入路径不正确引起的。以下是详细的分析和解决方案： #### 版本兼容性问题 如果使用的 TensorFlow 或 Keras 的版本较新，则某些函数的位置可能会发生变化。例如，在较新的 Keras 和 TensorFlow 中，`load_img` 和 `img_to_array` 已经被移动到不同的模块下[^3]。 因此，建议调整导入方式如下： ```python from keras.utils import image_utils ``` 然后通过 `image_utils` 使用这两个方法： ```python img = image_utils.load_img('path/to/your/image.jpg', target_size=(150, 150)) img_array = image_utils.img_to_array(img) ``` #### 导入路径错误 另一种可能性是导入路径有误。尽管已经安装了 `keras_preprocessing`，但如果代码中仍尝试从旧路径（如 `keras.preprocessing.image`）导入这些函数，就会引发异常。这是因为最新的 Keras 实现已重构了部分功能至其他位置。 确认当前环境中的 Keras 版本是否支持以下导入语句： ```python import keras print(keras.__version__) ``` 如果是 2.9 及以上版本，推荐使用 `keras.utils.image_utils` 而非传统的 `keras.preprocessing.image`[^4]。 #### 安装依赖库 确保环境中安装的是最新版的 Keras 和 TensorFlow，并且它们之间保持良好的兼容性。可以运行以下命令更新相关包： ```bash pip install --upgrade tensorflow keras ``` 另外，单独验证 `keras-preprocessing` 是否正常工作也很重要。可以通过重新安装来排除潜在冲突： ```bash pip uninstall keras-preprocessing pip install keras-preprocessing==1.1.2 ``` 最后再次测试程序逻辑以观察问题是否得到解决。 --- ### 示例代码修正 基于上述讨论，提供一段经过修改后的完整示例代码供参考： ```python from keras.utils import image_utils import numpy as np def process_image(): img_path = 'data/test/dog/dog.1374.jpg' img = image_utils.load_img(img_path, target_size=(150, 150)) img_array = image_utils.img_to_array(img) img_batch = np.expand_dims(img_array, axis=0) normalized_img = img_batch / 255.0 print(normalized_img.shape) if __name__ == "__main__": process_image() ``` 此脚本展示了如何加载图片并将其转换成适合输入神经网络的形式。 ---