从Tensorflow中的目录加载图像时，您可以使用类似于以下内容的命令：

dataset = tf.keras.utils.image_dataset_from_directory(
    "S:\\Images",
    batch_size=32,
    image_size=(128,128),
    label_mode=None,
    validation_split=0.20, #Reserve 20% of images for validation
    subset='training',     #If we specify a validation_split, we *must* specify subset
    seed=619               #If using validation_split we *must* specify a seed to ensure there is no overlap between training and validation data
)

当然，有些图像（.jpg，.png，.gif，.bmp）是无效的，所以我们希望忽略这些错误;只要跳过它们（并且理想地记录文件名，以便它们可以被修复、移除或删除）。
在如何忽略无效图像的过程中，出现了一些想法：

方法1：tf.contrib.data.ignore_errors（仅限tensorflow 1.x）

• • 警告：**tf. contrib模块不会包含在TensorFlow 2.0中。

样品使用：

dataset = dataset.apply(tf.contrib.data.ignore_errors())

这个方法唯一的缺点是it was only available in Tensorflow 1，现在尝试使用它是行不通的，因为tf.contib名称空间已经不存在了，这导致了一个内置的方法：

方法二：tf.data.experimental.ignore_errors(log_warning=False)（不建议使用）

来自文档：
从另一个数据集创建数据集并自动忽略任何错误。（不推荐使用）

• • 已弃用：**此函数已弃用。它将在将来的版本中删除。更新说明：请改用tf.data.Dataset.ignore_errors。

样品使用：

dataset = dataset.apply(tf.data.experimental.ignore_errors(log_warning=True))

这个方法很有效，效果很好，而且它的优点是有效。
但它显然已被弃用，而且他们的文档说我们应该使用方法3：

方法3-tf.data.Dataset.ignore_errors(log_warning=False, name=None)

删除导致错误的元素。
样品使用：

dataset = dataset.ignore_errors(log_warning=True, name="Loading images from directory")

除了它不工作

dataset.ignore_errors属性不起作用，并给出错误：
属性错误："BatchDataset"对象没有属性"ignore_errors"
这意味着：

• 有效的东西被废弃了
• 他们告诉我们用另一个东西代替
• 和 "提供更新说明"
• 但另一件事不起作用

所以我们问斯塔克溢出：
如何使用tf.data.Dataset.ignore_errors忽略错误？

额外阅读

• TensorFlow Dataset .map - Is it possible to ignore errors?
• TensorFlow: How to skip broken data

未经测试的变通方案

这不仅不是我想问的，而且人们不允许读到这篇文章：
看起来tf.data.Dataset.ignore_errors()方法在BatchDataset对象中不可用，而BatchDataset对象是您在代码中使用的对象。您可以尝试使用tf.data.Dataset.filter()来过滤掉在加载图像时导致错误的元素。您可以在传递给filter()的lambda函数中使用try-except块来捕获错误，并为导致错误的元素返回False。这将过滤掉它们。下面是一个如何使用filter()来实现这一点的示例：

def filter_fn(x):   
  try:
    # Load the image and do some processing
    # Return True if the image is valid, False otherwise
    return True   
  except:
    return False

dataset = dataset.filter(filter_fn)

此外，您还可以使用tf.data.experimental.ignore_errors()方法，该方法目前在TensorFlow 2.x中可用。此方法将静默忽略处理数据集元素时发生的任何错误。但请记住，此方法是实验性的，在未来版本中可能会删除或更改。