在 TensorFlow 2.x 版本中，`keras.preprocessing.image.ImageDataGenerator` 的导入方式发生了变化。以下是详细的解决方案： ### 解决方案 #### 方法一：更新导入路径 从 TensorFlow 2.0 开始，Keras 已经被集成到 TensorFlow 中，因此需要通过 `tensorflow.keras` 来访问 Keras 的功能。可以尝试以下代码来解决问题[^2]： ```python from tensorflow.keras.preprocessing.image import ImageDataGenerator ``` #### 方法二：检查环境配置 如果仍然出现无法导入的问题，则可能是由于安装的 TensorFlow 或 Keras 版本不兼容所致。可以通过以下命令确认当前环境中 TensorFlow 和 Keras 的版本： ```bash pip show tensorflow keras ``` 确保使用的 TensorFlow 是 2.x 版本，并且不再单独依赖独立版 Keras。 #### 方法三：手动修复代码 对于某些旧代码库（如引用提到的 generator.py 文件），可能仍存在硬编码的导入语句 `from keras.preprocessing.image ...`。在这种情况下，可以直接编辑源码文件，将所有类似的导入更改为新的形式[^3]: ```python # 修改前 from keras.preprocessing.image import ImageDataGenerator # 修改后 from tensorflow.keras.preprocessing.image import ImageDataGenerator ``` #### 示例代码 下面是一个完整的示例，展示如何正确使用 `ImageDataGenerator` 进行数据增强： ```python import numpy as np from tensorflow.keras.preprocessing.image import ImageDataGenerator # 定义图像数据生成器参数 aug = ImageDataGenerator( rotation_range=30, width_shift_range=0.1, height_shift_range=0.1, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode="nearest" ) # 创建单张图片数组 (假设尺寸为 64x64 RGB 图像) image = np.random.rand(1, 64, 64, 3).astype('float32') # 构建图像生成器并获取下一批次的数据 imageGen = aug.flow(image, batch_size=1) next_image_batch = next(imageGen)[0].astype('uint8') print(next_image_batch.shape) # 输出形状应为 (64, 64, 3) ``` --- ### 注意事项 - 如果问题仍未解决，请验证 Python 环境是否干净无冲突。推荐创建一个新的虚拟环境重新安装所需依赖项。 - 对于较老版本的项目迁移至新版本框架时，务必查阅官方文档了解 API 变化情况[^4]。