C# 我需要一个带未处理异常的遍历问题

我目前正试图在C#中使用我的预训练的tensorflow模型（这是一个.pb文件格式的冻结初始模型）

这是一个图像识别项目，这是我的代码

    using NumSharp;
    using System.Collections.Generic;
    using System.Diagnostics;
    using System.Drawing;
    using System.IO;
    using Tensorflow;
    using Tensorflow.Keras.Utils;
    using static Tensorflow.Binding;
    using Console = Colorful.Console;
    
    
    namespace TensorFlowNET.Examples
    {
        /// <summary>
        /// Inception v3 is a widely-used image recognition model 
        /// that has been shown to attain greater than 78.1% accuracy on the ImageNet dataset. 
        /// The model is the culmination of many ideas developed by multiple researchers over the years.
        /// </summary>
        public class ImageRecognitionInception : SciSharpExample, IExample
        {
            string dir = "ImageRecognitionInception";
            string pbFile = "tensorflow_inception_graph.pb";
            string labelFile = "imagenet_comp_graph_label_strings.txt";
            List<NDArray> file_ndarrays = new List<NDArray>();
    
            public ExampleConfig InitConfig()
                => Config = new ExampleConfig
                {
                    Name = "Image Recognition Inception",
                    Enabled = true,
                    IsImportingGraph = false
                };
            
            public bool Run()
            
            {
                tf.compat.v1.disable_eager_execution();
    
                PrepareData();
    
                var graph = new Graph();
                //import GraphDef from pb file
                graph.Import(Path.Join(dir, pbFile));
    
                var input_name = "input";
                var output_name = "output";
    
                var input_operation = graph.OperationByName(input_name);
                var output_operation = graph.OperationByName(output_name);
    
                var labels = File.ReadAllLines(Path.Join(dir, labelFile));
                var result_labels = new List<string>();
                var sw = new Stopwatch();
    
                using (var sess = tf.Session(graph))
                {
                    foreach (var nd in file_ndarrays)
                    {
                        sw.Restart();
    
                        var results = sess.run(output_operation.outputs[0], (input_operation.outputs[0], nd));
                        results = np.squeeze(results);
                        int idx = np.argmax(results);
    
                         
                        Console.WriteLine($"{labels[idx]} {results[idx]} in {sw.ElapsedMilliseconds}ms", Color.Tan);
                        result_labels.Add(labels[idx]);
                        
                    }
                }
                return result_labels.Contains("Blues");
                
            }
    
            private NDArray ReadTensorFromImageFile(string file_name,
                                    int input_height = 288,
                                    int input_width = 432,
                                    int input_mean = 0,
                                    int input_std = 255)
            {
                var graph = tf.Graph().as_default();
    
                var file_reader = tf.io.read_file(file_name, "file_reader");
                var decodeJpeg = tf.image.decode_jpeg(file_reader, channels: 3, name: "DecodeJpeg");
                var cast = tf.cast(decodeJpeg, tf.float32);
                var dims_expander = tf.expand_dims(cast, 0);
                var resize = tf.constant(new int[] { input_height, input_width });
                var bilinear = tf.image.resize_bilinear(dims_expander, resize);
                var sub = tf.subtract(bilinear, new float[] { input_mean });
                var normalized = tf.divide(sub, new float[] { input_std });
    
                using (var sess = tf.Session(graph))
                    return sess.run(normalized);
            }
    
            public void PrepareData()
            {
                Directory.CreateDirectory(dir);
    
                // get model file
                string url = "https://drive.google.com/file/d/1FaUst3rrZ9JfdEGlsySwkE1d2KpEo9cm/view?usp=sharing";
    
                Web.Download(url, dir, "inception5h.zip");
    
                Compress.UnZip(Path.Join(dir, "inception5h.zip"), dir);
    
                // download sample picture
                Directory.CreateDirectory(Path.Join(dir, "img"));
                url = $"https://drive.google.com/file/d/1T-jNhZqVninEpMtco_sgpgHz10Mn1Qig/view?usp=sharing";
                Web.Download(url, Path.Join(dir, "img"), "jazz00090.png");
                
    
                url = $"https://drive.google.com/file/d/1iDKZR7orT0e103wxgaGarV_EDcjKHkb1/view?usp=sharing";
                Web.Download(url, Path.Join(dir, "img"), "blues00081.png");
    
                // load image file
                var files = Directory.GetFiles(Path.Join(dir, "img"));
                for (int i = 0; i < files.Length; i++)
                {
                    var nd = ReadTensorFromImageFile(files[i]);
                    file_ndarrays.Add(nd);
                }
            }
        }
    }
    
    

使用NumSharp；
使用System.Collections.Generic；
使用系统诊断；
使用系统图；
使用System.IO；
使用张量流；
使用Tensorflow.Keras.Utils；
使用静态张量流。绑定；
使用Console=colored.Console；
名称空间TensorFlowNET.Examples
{
/// 
///Inception v3是一种广泛使用的图像识别模型
///这已经证明在ImageNet数据集上达到了78.1%以上的准确率。
///该模型是多年来由多名研究人员提出的许多想法的结晶。
/// 
公共类ImageRecognitionOption:示例，IExample
{
string dir=“imagerecognitionoption”；
字符串pbFile=“tensorflow\u inception\u graph.pb”；
string labelFile=“imagenet\u comp\u graph\u label\u strings.txt”；
列表文件\u ndarrays=新列表（）；
public ExampleConfig InitConfig（）
=>Config=newexampleconfig
{
Name=“图像识别开始”，
启用=真，
IsImportingGraph=false
};
公营学校
{
tf.compat.v1.disable_eager_execution（）；
PrepareData（）；
var-graph=新图（）；
//从pb文件导入GraphDef
导入（Path.Join（dir，pbFile））；
变量输入\ u name=“输入”；
var output_name=“output”；
var input_operation=graph.OperationByName（输入_名称）；
var output\u operation=graph.OperationByName（output\u name）；
var labels=File.ReadAllLines（Path.Join（dir，labelFile））；
var result_labels=新列表（）；
var sw=新秒表（）；
使用（var sess=tf.Session（图））
{
foreach（文件数组中的变量nd）
{
sw.Restart（）；
var results=sess.run（output_operation.outputs[0]，（input_operation.outputs[0]，nd））；
结果=np.挤压（结果）；
int idx=np.argmax（结果）；
Console.WriteLine（$“{labels[idx]}{results[idx]}在{sw.elapsedmillesons}ms中，{Color.Tan”）；
结果_labels.Add（labels[idx]）；
}
}
返回结果标签。包含（“蓝色”）；
}
private NDArray ReadTensorFromImageFile（字符串文件名，
int input_height=288，
int input_WITH=432，
int输入_平均值=0，
int输入（标准=255）
{
var graph=tf.graph（）.as_default（）；
var file_reader=tf.io.read_file（文件名，“文件读取器”）；
var decode jpeg=tf.image.decode_jpeg（文件读取器，通道：3，名称：“decode jpeg”）；
var cast=tf.cast（decodeJpeg，tf.float32）；
var dims_expander=tf.expand_dims（强制转换，0）；
var resize=tf.constant（新int[]{input\u height，input\u width}）；
var bilinear=tf.image.resize\u双线性（dims\u扩展器，resize）；
var sub=tf.subtract（双线性，新浮点[]{input_mean}）；
var normalized=tf.divide（sub，新浮点[]{input_std}）；
使用（var sess=tf.Session（图））
返回sess.run（标准化）；
}
公共无效准备数据（）
{
CreateDirectory（dir）；
//获取模型文件
字符串url=”https://drive.google.com/file/d/1FaUst3rrZ9JfdEGlsySwkE1d2KpEo9cm/view?usp=sharing";
下载（url，dir，“inception5h.zip”）；
Compress.UnZip（Path.Join（dir，“inception5h.zip”）、dir；
//下载示例图片
CreateDirectory（Path.Join（dir，“img”）；
url=$”https://drive.google.com/file/d/1T-jNhZqVninEpMtco_sgpgHz10Mn1Qig/view?usp=sharing";
下载（url，Path.Join（dir，“img”），“jazz00090.png”）；
url=$”https://drive.google.com/file/d/1iDKZR7orT0e103wxgaGarV_EDcjKHkb1/view?usp=sharing";
下载（url，Path.Join（dir，“img”），“blues00081.png”）；
//加载图像文件
var files=Directory.GetFiles（Path.Join（dir，“img”）；
for（int i=0；i

我正在使用Tensorflow.NET在C#中使用Tensorflow。这些是他们提供的示例代码。 所以我使用了我自己的模型和样本图像。（使用上述URL）

但问题来了

未处理的异常。Tensorflow.InvalidArgumentError:未知的图像文件格式。需要JPEG、PNG、GIF和BMP格式之一。 [{{node DecodeJpeg}}]

即使我使用了正确的示例图像文件格式，这种情况也会发生。我试过JPEG，PNG，JPG

（当我使用提供的示例图像和经过训练的模型时，它工作得很好）

它说我可以更改我的异常设置，所以我猜这可能是一个解决方案