Keras CNN图像分类模型预测形状不兼容问题及使用咨询

为什么模型期望形状是(None, 100, 100, 3) #

这里的None代表批量维度，Keras模型默认是为处理批量数据设计的——不管训练、验证还是预测，都需要以批量形式输入。训练时你喂的是一批图片（比如形状(32,100,100,3)，32是批量大小），所以模型输入层会保留第一个维度作为可变的批量大小，用None表示可以接受任意批量数。

你的输入img.shape是(100,100,3)，只有单张图片的维度，缺少了批量维度，因此模型报错不兼容。

正确的预测步骤 #

只需要给单张图片增加一个批量维度，把形状从(100,100,3)转换成(1,100,100,3)，具体有两种简单方法：

• 用NumPy扩展维度：

  import numpy as np
  img = np.expand_dims(img, axis=0)  # 在第0位增加批量维度
  

• 用TensorFlow扩展维度：

  import tensorflow as tf
  img = tf.expand_dims(img, axis=0)
  

处理后打印img.shape确认是(1,100,100,3)，再调用model.predict(img)即可正常运行。预测结果会是形状为(1, num_classes)的数组，对应这张图片的分类概率。

内容的提问来源于stack exchange，提问作者Daniel Elkin