ValueError：无法将大小为 50176 的数组重塑为形状 (1,224,224,3)答案

【问题标题】：ValueError: cannot reshape array of size 50176 into shape (1,224,224,3)ValueError：无法将大小为 50176 的数组重塑为形状 (1,224,224,3)
【发布时间】：2018-10-22 17:30:09
【问题描述】：

我正在做图像分类，我训练了一个模型并保存了一个模型。当我尝试预测模型时，它显示输入错误。我正在使用 ResNet 架构构建分类器，最初将 input_size 声明为 224 x 224。现在我需要预测测试图像的类别。

我将图像转换为 224x224 numpy 数组。当我尝试下面的代码时

#plot the figure
fig = plt.figure()

for num,data in enumerate(test_data):

    img_num = data[1]
    img_data = data[0]

    y = fig.add_subplot(9,3,num+1)
    orig = img_data
    data = img_data.reshape(1,IMG_SIZ,IMG_SIZ,3)

    #predict the model
    model_out = model.predict_classes([orig])[0]

    if np.argmax(model_out) == 1: str_label='Dog'
    else: str_label='Cat'

    y.imshow(orig,cmap = 'gray')
    plt.title(str_label)
    y.axes.get_xaxis().set_visible(False)
    y.axes.get_yaxis().set_visible(False)


plt.show()
plt.savefig('test_labeled.jpg')

它显示了以下错误

ValueError: 无法将大小为 50176 的数组重新整形为形状 (1,224,224,3)

我必须以多大的尺寸重塑正确的尺寸？

谢谢！

【问题讨论】：

什么是data[0]？您是否尝试使用 .reshape() 调整图像大小？
在 test_data 中有两个变量组合在一起。 data[1] 是 image-id，data[0] 是 shape(224x224) 的图像矩阵
您的输入的大小似乎是 [224, 224, 1] 而不是 [224, 224, 3]，所以相应地重新调整。
我将尺寸更改为 (224x224x1) 但现在弹出此错误 ValueError: Error when checks input: expected resnet50_input to have shape (None, None, 3) but got array with shape (224, 224, 1)
你能检查整个代码吗？我在 github 上发帖 code

标签： python tensorflow keras resnet

【解决方案1】：

您输入的大小似乎是 [224, 224, 1] 而不是 [224, 224, 3]。看起来您将输入转换为 gray scale in process_test_data()

你可能需要改变：

img = cv2.imread(path,cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img,(IMG_SIZ,IMG_SIZ))

到：

img = cv2.imread(path)
img = cv2.resize(img,(IMG_SIZ,IMG_SIZ),3)

【讨论】：

【解决方案2】：

在我的情况下，函数期待 RGB 图像并且它失败了，因为它是 RGBA 一个自动意味着它有 4 个通道而不是 3 个。所以我对它们的功能进行了翻新，以便能够吞下 RGBA

def load_image_into_numpy_array(image):
    (im_width, im_height) = image.size
    if image.getdata().mode == "RGBA":
        image = image.convert('RGB')
    np_array = np.array(image.getdata())
    reshaped = np_array.reshape((im_height, im_width, 3))
    return reshaped.astype(np.uint8)

【讨论】：

感谢您的洞察力。看到未来的可能性真的很有帮助。