上传图像以使用 keras 进行预测时出现错误消息

Question

上传图片进行预测时出现错误提示

ValueError: 层 block1_conv1 的输入 0 与层不兼容：expect ed 输入形状的轴 -1 的值为 3，但接收到的输入形状为 [None, 2 24, 224, 4]

代码处理/预处理图像

def 模型预测（img，模型）： img = img.resize((224, 224))

# Preprocessing the image
x = image.img_to_array(img)
x = np.true_divide(x, 255)
x = np.expand_dims(x, axis=0)

# Be careful how your trained model deals with the input
# otherwise, it won't make correct prediction!
x = preprocess_input(x, mode='tf')

preds = model.predict(x)
return preds

培训课程的输出

flow/compiler/xla/service/service.cc:176] StreamExecutor device (0): Host, Def 版本 编译模型... 模型有14716227个参数 型号：“型号”

---

层（类型）输出形状参数#

input_1 (InputLayer) [(None, 224, 224, 3)] 0

---

block1_conv1 (Conv2D) (None, 224, 224, 64) 1792

---

block1_conv2 (Conv2D) (None, 224, 224, 64) 36928

---

block1_pool (MaxPooling2D) (None, 112, 112, 64) 0

---

block2_conv1 (Conv2D) (None, 112, 112, 128) 73856

---

block2_conv2 (Conv2D) (无, 112, 112, 128) 147584

---

block2_pool (MaxPooling2D) (None, 56, 56, 128) 0

---

block3_conv1 (Conv2D) (None, 56, 56, 256) 295168

---

block3_conv2 (Conv2D) (None, 56, 56, 256) 590080

---

block3_conv3 (Conv2D) (None, 56, 56, 256) 590080

---

block3_pool (MaxPooling2D) (None, 28, 28, 256) 0

---

block4_conv1 (Conv2D) (None, 28, 28, 512) 1180160

---

block4_conv2 (Conv2D) (None, 28, 28, 512) 2359808

---

block4_conv3 (Conv2D) (None, 28, 28, 512) 2359808

---

block4_pool (MaxPooling2D) (None, 14, 14, 512) 0

---

block5_conv1 (Conv2D) (None, 14, 14, 512) 2359808

---

block5_conv2 (Conv2D) (None, 14, 14, 512) 2359808

---

block5_conv3 (Conv2D) (None, 14, 14, 512) 2359808

---

block5_pool (MaxPooling2D) (无, 7, 7, 512) 0

---

tf_op_layer_Mean (TensorFlow [(None, 512)] 0

---

辍学（Dropout）（无，512）0

---

密集（密集）（无，3）1539

Answer 1

如果您想使用批量训练和测试部分，您绝对应该查看ImageDataGenerator。它甚至不能帮助您创建批次，还可以帮助您进行图像增强（使您的模型健壮的艺术）。它为您提供rescaling 和preprocess_function 的参数，您可以轻松地将其设置为rescale=1/255., preprocessing_function=preprocess_input,

您的代码在 Channels 部分有问题。如果您使用的是channels_last，那么它已经在(batch,width,height,3) 3 通道数据上进行了训练，当您尝试传递数据进行测试时，它会显示错误。

在这种情况下，您应该移除 Alpha 通道。请查看ImageData Generator。 flow_from_dataframe 、 flow_from_directory 和 flow 中都有一个参数，默认为 color_mode='rgb。

否则，您可以将图像打开为

from PIL import Image
img = Image.open(img_path).convert('RGB') # get RGB PNG image
img = np.array(img) # Convert to numpy array
img = np.expand_dims(x, axis=0) # add an extra dimension for batch

然后你可以申请你的preprocess_function

img = preprocess_input(img, mode='tf')

preds = model.predict(img)
return preds

注意：如果您使用单个图像，您应该使用numpy 的reshape 或expand_dims 方法来创建额外的批处理轴，因为Keras 总是需要批处理。强>

Answer 2

因为您尝试为模型提供 4 通道图像。将图像转换为数组后，请先使用 3 通道。

Preprocessing the image
x = image.img_to_array(img)
x = img[:, :, :3]
x = np.true_divide(x, 255)
x = np.expand_dims(x, axis=0)