预期 zero_padding2d_1_input 的形状为 (None, 3, 875, 375) 但得到的数组形状为 (1, 375, 875, 3)答案

【问题标题】：expected zero_padding2d_1_input to have shape (None, 3, 875, 375) but got array with shape (1, 375, 875, 3)预期 zero_padding2d_1_input 的形状为 (None, 3, 875, 375) 但得到的数组形状为 (1, 375, 875, 3)
【发布时间】：2018-01-20 14:30:41
【问题描述】：

我正在使用 keras 为我的 CNN 加载我的 model.h5（权重文件）。我正在使用 VGG-16 架构。我的训练数据由大小为 numpy 的数组组成（2590、3（对于 RGB）、875（宽度像素）、375（高度像素））。我已经完成了数据的训练，现在我正在使用 model.h5（带权重）进行预测。我遇到了以下错误。

expected zero_padding2d_1_input to have shape (None, 3, 875, 375) but got array with shape (1, 375, 875, 3)

这是我的 VGG-16 CNN 的顶部 sn-p

def VGG_16(weights_path=None):
   model = Sequential()
   model.add(ZeroPadding2D((1,1),input_shape=(3,875,375)))
   model.add(Convolution2D(64, 3, 3, activation='relu'))
   model.add(ZeroPadding2D((1,1)))
   model.add(Convolution2D(64, 3, 3, activation='relu'))
   model.add(MaxPooling2D((2,2), strides=(2,2)))
   .......... Continued ..........

这是我尝试过的第一：我看了这些帖子：Error when checking target: expected dense_20 to have shape (None, 3) but got array with shape (1200, 1)

Keras Error when checking : expected embedding_1_input to have shape (None, 100) but got array with shape (1, 3)

Error when checking model target: expected dense_24 to have shape...but got array with shape... in Keras

我正在尝试的代码：

model = VGG_16('/path/to/weights/file....../model.h5')
print("Created model")
img = np.array([np.array(Image.open(path_to_image_i_want_to_convert))])
img.reshape(1, 3, 875,375)
try:
    prediction = model.predict(img)
    print(prediction)
    print("I finished your prediction")
except Exception as e:
    print(str(e))

但是，这总是会引发错误。

预期 zero_padding2d_1_input 的形状为 (None, 3, 875, 375) 但得到的数组的形状为 (1, 375, 875, 3)

一个 numpy 数组怎么可能有一个无维度？我究竟做错了什么？如何修改我的代码以便仅使用单个图像进行预测。

任何帮助将不胜感激谢谢！

【问题讨论】：

标签： python numpy tensorflow keras

【解决方案1】：

相信你需要使用

model.add(ZeroPadding2D((1,1),input_shape=(3,875,375),data_format='channels_first'))

这是因为根据docs，默认值为'channels_last'。

同样，None 的第一个参数只是批量大小的表示，而不是模型架构中预先确定的东西，因此您无需担心。在该错误消息中看到 None 是预期的

【讨论】：