时间戳

首页 > 解决方案 > 检查输入时出错：预期 conv2d_17_input 有 4 个维度，但得到了形状为 (28, 28, 1) 的数组

python - 检查输入时出错：预期 conv2d_17_input 有 4 个维度，但得到了形状为 (28, 28, 1) 的数组

问题描述

我已经从 MNIST 训练了一个手写数字识别模型。第一个 Conv2D 的输入形状是 (28, 28, 1) 训练后，我想预测一个数字的下载图像。图像的形状是 (1024, 791, 3)，在应用以下代码后，我将图像大小调整为 (28,28,1) 并调用 model.predict() ：

resized_image = cv2.resize(image, (28, 28))
#resized_image = tf.image.resize(image, size = (28,28))
resized_image = resized_image / 225.0
resized_image = resized_image[:,:,:1] 
prediction = model.predict(resized_image)
#prediction = model.predict(resized_image, batch_size = 1, verbose = 1, steps = 1)
print(labels[np.argmax(prediction)])

但我收到以下错误：

检查输入时出错：预期 conv2d_17_input 有 4 个维度，但得到了形状为 (28, 28, 1) 的数组

型号是：

model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(filters = 32, kernel_size = (3,3), padding = 'Same', activation = 'relu', input_shape = (28,28,1)),
    tf.keras.layers.MaxPool2D(pool_size = (2,2)),
    tf.keras.layers.Conv2D(filters = 64, kernel_size = (3,3), padding = 'Same', activation = 'relu'),
    tf.keras.layers.MaxPool2D(pool_size = (2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation = 'relu'),
    tf.keras.layers.Dense(10, activation = "softmax")
])

我也试过取消注释

resized_image = tf.image.resize(image, size = (28,28))
prediction = model.predict(resized_image, batch_size = 1, verbose = 1, steps = 1)

然而我收到了同样的错误。

标签： pythontensorflowkeraspredict

解决方案

您没有展示您的模型，但通常，您需要考虑批次。因此，您的输入必须是[batch_size, width, height, channel]. 如果您只有一张图像，则必须根据batch_size=1您的情况设置[1, 28, 28, 1].

另外，请确保您的输入是tf.tensor.

推荐阅读