报错详细内容：
ValueError: Failed to find data adapter that can handle input: (<class ‘tuple’> containing values of types {“<class ‘keras.preprocessing.image.DirectoryIterator’>”}), <class ‘NoneType’>

from keras.preprocessing.image import ImageDataGenerator
train_datagen=ImageDataGenerator(rescale=1./255)
training_set=train_datagen.flow_from_directory('catsdogs/train/',target_size=(50,50),batch_size=32,class_mode='binary'),
print(training_set)```
from keras.models import Sequential
from keras.layers import Conv2D,MaxPool2D,Flatten,Dense

model=Sequential()
#卷积层
model.add(Conv2D(32,(3,3),input_shape=(50,50,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))
#卷积层
model.add(Conv2D(32,(3,3),input_shape=(50,50,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))

#flattening layer
model.add(Flatten())

#FC layer
model.add(Dense(units=128,activation='relu'))

#Dog or Cat?
model.add(Dense(units=1,activation='sigmoid'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
model.summary()
model.fit(training_set,epochs=25)

经过搜索了解，原因是’flow_from_directory‘方法返回的是一个元组，而不是一个DirectoryIterator对象。这个元组只包含一个DirectoryIterator对象和一个空对象。

原因：
是keras和tensorflow的版本问题，看学习资料使用的是旧版本，运行没问题。
解决办法1：
可以把keras和tensorflow的版本降低，可以自行搜索低版本的keras和tensorflow，网上有看到keras 2.2.5版本是可以实现的。
pip install keras==2.2.5，如果不能直接安装则先把原来的版本删除，再重新安装。

解决办法2：
直接选择元组里面的对象

from keras.preprocessing.image import ImageDataGenerator
train_datagen=ImageDataGenerator(rescale=1./255)
training_set=train_datagen.flow_from_directory('catsdogs/train/',target_size=(50,50),batch_size=32,class_mode='binary'),
**print(training_set[0])**```
from keras.models import Sequential
from keras.layers import Conv2D,MaxPool2D,Flatten,Dense
model=Sequential()
#卷积层
model.add(Conv2D(32,(3,3),input_shape=(50,50,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))
#卷积层
model.add(Conv2D(32,(3,3),input_shape=(50,50,3),activation='relu'))
#池化层
model.add(MaxPool2D(pool_size=(2,2)))

#flattening layer
model.add(Flatten())

#FC layer
model.add(Dense(units=128,activation='relu'))

#Dog or Cat?
model.add(Dense(units=1,activation='sigmoid'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
model.summary()
model.fit(training_set[0],epochs=25)

把"training_set"修改为“training_set[0]”，修改之后运行正常！