Image processing OsError:-2在使用ImageDataGenerator使用keras对模型进行培训期间

我有16个类数据，并已将图像放置在train文件夹中，每个类有16个文件夹。这对所有测试和val都是如此。但当我尝试运行代码时，在第行抛出错误： 型号：fit_生成器（） 输出：

_________________________________________________________________
激活68（激活）（无、122、122、128）0
_________________________________________________________________
最大池2D_42（最大池（无、61、61、128）0
_________________________________________________________________
展平14（展平）（无，476288）0
_________________________________________________________________
致密（致密）（无，100）47628900
_________________________________________________________________
激活69（激活）（无，100）0
_________________________________________________________________
致密（致密）（无，16）1616
_________________________________________________________________
激活70（激活）（无，16）0
=================================================================
总参数：47847282
可培训参数：47847282
不可训练参数：0
_________________________________________________________________
没有一个
提供列车和val数据。。。。。。。。。
找到了319835张属于16类的图片。
找到了16个类别的39995张图片。
培训开始。。。。。
纪元1/1
---------------------------------------------------------------------------
OSError回溯（最近一次调用上次）
在里面
---->1.LENET（）

错误：

_________________________________________________________________
activation_68 (Activation)   (None, 122, 122, 128)     0         
_________________________________________________________________
max_pooling2d_42 (MaxPooling (None, 61, 61, 128)       0         
_________________________________________________________________
flatten_14 (Flatten)         (None, 476288)            0         
_________________________________________________________________
dense_27 (Dense)             (None, 100)               47628900  
_________________________________________________________________
activation_69 (Activation)   (None, 100)               0         
_________________________________________________________________
dense_28 (Dense)             (None, 16)                1616      
_________________________________________________________________
activation_70 (Activation)   (None, 16)                0         
=================================================================
Total params: 47,847,282
Trainable params: 47,847,282
Non-trainable params: 0
_________________________________________________________________
None
Feeding the train and val data.........
Found 319835 images belonging to 16 classes.
Found 39995 images belonging to 16 classes.
Training Starting.....
Epoch 1/1
---------------------------------------------------------------------------
OSError                                   Traceback (most recent call last)
<ipython-input-45-0229da3ad25e> in <module>
----> 1 baseline.LENET()

et_大小，插值）
117 elif颜色_模式=='rgb'：
118如果img.mode！='RGB'：
-->119 img=img.convert（'RGB'）
120其他：
121 raise VALUERROR（'颜色模式必须为“灰度”、“rgb”或“rgba”）
转换中的~\Miniconda3\envs\tensorflow\lib\site packages\PIL\Image.py（自身、模式、矩阵、抖动、调色板、颜色）
928         """
929
-->930 self.load（）
931
932如果非模式和self.mode==“P”：
加载中的~\Miniconda3\envs\tensorflow\lib\site packages\PIL\TiffImagePlugin.py（self）
1095 def加载（自）：
1096如果自用加载libtiff：
->1097返回自。_加载_libtiff（）
1098 return super（TiffImageFile，self）.load（）
1099
~\Miniconda3\envs\tensorflow\lib\site packages\PIL\TiffImagePlugin.py in\u load\u libtiff（self）
1207
1208如果误差<0：
->1209上升IOError（err）
1210
1211返回Image.Image.load（自）
错误：-2

请告诉我这里有什么问题。我搜索了整个互联网，但无法解决此问题：(

---

注：数据集是RVL-CDIP数据集。当我使用猫和狗数据集时，上面的代码运行良好。请帮助我。

我也有同样的问题，我通过将图像从TIF格式转换为JPEG格式来解决它

我的系统上的文件夹结构是：

另外，你能告诉我你从哪里得到了完整的数据集吗？我只能从Kaggle访问其中的一部分

_________________________________________________________________
activation_68 (Activation)   (None, 122, 122, 128)     0         
_________________________________________________________________
max_pooling2d_42 (MaxPooling (None, 61, 61, 128)       0         
_________________________________________________________________
flatten_14 (Flatten)         (None, 476288)            0         
_________________________________________________________________
dense_27 (Dense)             (None, 100)               47628900  
_________________________________________________________________
activation_69 (Activation)   (None, 100)               0         
_________________________________________________________________
dense_28 (Dense)             (None, 16)                1616      
_________________________________________________________________
activation_70 (Activation)   (None, 16)                0         
=================================================================
Total params: 47,847,282
Trainable params: 47,847,282
Non-trainable params: 0
_________________________________________________________________
None
Feeding the train and val data.........
Found 319835 images belonging to 16 classes.
Found 39995 images belonging to 16 classes.
Training Starting.....
Epoch 1/1
---------------------------------------------------------------------------
OSError                                   Traceback (most recent call last)
<ipython-input-45-0229da3ad25e> in <module>
----> 1 baseline.LENET()

et_size, interpolation)
    117     elif color_mode == 'rgb':
    118         if img.mode != 'RGB':
--> 119             img = img.convert('RGB')
    120     else:
    121         raise ValueError('color_mode must be "grayscale", "rgb", or "rgba"')

~\Miniconda3\envs\tensorflow\lib\site-packages\PIL\Image.py in convert(self, mode, matrix, dither, palette, colors)
    928         """
    929 
--> 930         self.load()
    931 
    932         if not mode and self.mode == "P":

~\Miniconda3\envs\tensorflow\lib\site-packages\PIL\TiffImagePlugin.py in load(self)
   1095     def load(self):
   1096         if self.use_load_libtiff:
-> 1097             return self._load_libtiff()
   1098         return super(TiffImageFile, self).load()
   1099 

~\Miniconda3\envs\tensorflow\lib\site-packages\PIL\TiffImagePlugin.py in _load_libtiff(self)
   1207 
   1208         if err < 0:
-> 1209             raise IOError(err)
   1210 
   1211         return Image.Image.load(self)

OSError: -2

import os
import cv2

Base_Dir = 'Path-to-Data-Folder'

for Folder in sorted(os.listdir(Base_Dir)):
    for Sub_Folder in sorted(os.listdir(Base_Dir + '/' + Folder)):
        try:
            os.mkdir(Base_Dir + '/' + Folder + '/' + Sub_Folder + '_JPEG')
        except OSError:
            pass
        for File in sorted(os.listdir(Base_Dir + '/' + Folder + '/' + Sub_Folder)):
            if File[-3:] == "tif":
               Out_File = File[:-3] + "jpeg"
               Im = cv2.imread(Base_Dir + '/' + Folder + '/' + Sub_Folder + '/' + File)
               cv2.imwrite(Base_Dir + '/' + Folder + '/' + Sub_Folder + '_JPEG/' + Out_File, Im)