创建 Tensorflow 模型，该模型接受张量图像作为模型的输入答案

【问题标题】：create Tensorflow model which accepts tensor image as input to the model创建 Tensorflow 模型，该模型接受张量图像作为模型的输入
【发布时间】：2020-04-27 13:06:52
【问题描述】：

我正在为图像分类模型使用以下配置：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(100, 100, 3)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

如果我打印 model.inputs 则返回

[<tf.Tensor 'flatten_input:0' shape=(None, 100, 100, 3) dtype=float32>]

如果我将张量图像传递给此模型，则它不起作用。所以我的问题是我应该对我的模型做些什么改变，以便它接受张量图像

我正在使用以下代码传递图像：

image = np.asarray(image)
# The input needs to be a tensor, convert it using `tf.convert_to_tensor`.
input_tensor = tf.convert_to_tensor(image)
# The model expects a batch of images, so add an axis with `tf.newaxis`.
input_tensor = input_tensor[tf.newaxis,...]
# Run inference
output_dict = model(input_tensor)

如果我通过张量图像，我会得到以下错误

WARNING:tensorflow:Model was constructed with shape (None, 100, 100, 3) for input Tensor("flatten_input:0", shape=(None, 100, 100, 3), dtype=float32), but it was called on an input with incompatible shape (1, 886, 685, 3).
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)

我只是想知道我应该将哪些 Keras 层和输入参数更新到模型，以便它可以接受张量图像作为输入。任何帮助，将不胜感激。谢谢！

【问题讨论】：

该消息是警告，而不是错误，并且清楚地表明图像应该是（100、100、3），但您的图像是（886、865、3）。您需要将图像大小调整为 100x100
啊！谢谢！我会更新并再次检查。

标签： python tensorflow keras tensorflow2.0 keras-layer

【解决方案1】：

消息是警告，而不是错误，只是一些语义。该警告确实指出了一个真正的问题。

您的模型获取形状为(100, 100, 3) 的图像，并且您为其提供形状为(886, 865, 3) 的输入。空间尺寸不匹配，需要将图片大小调整为100 x 100。

【讨论】：

【解决方案2】：

定义你的模型，你需要告诉keras你的图片的通道数：1个黑白图片，3个RGB...

所以你需要写：

keras.layers.Flatten(input_shape=(1, 100, 100, 3)) for a 1 channel picture

我还注意到您没有为最后一层定义激活函数： keras.layers.Dense(10)，如果您将损失定义为交叉熵，您需要获得一些概率作为网络的输出，例如 keras.layers.Dense(10, activation='softmax')

希望你清楚

【讨论】：