Python人脸情绪检测模型加载时出现ValueError的解决咨询

错误详情 #

运行以下代码加载人脸情绪检测模型时触发ValueError：

"Kernel shape must have the same length as input, but received kernel of shape (3, 3, 1, 32) and input of shape (None, None, 48, 48, 1)"

用户代码：

from keras.models import load_model
from tensorflow.keras.utils import img_to_array
from keras.preprocessing import image
import cv2
import numpy as np

face_classifier = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
classifier = load_model("./Emotion_Detection.h5")

class_labels = ['Angry', 'Happy', 'Neutral', 'Sad', 'Surprise']

问题原因 #

错误本质是模型的输入维度与卷积核维度不匹配：

• 模型第一层卷积核形状为(3,3,1,32)，对应4维输入（高度、宽度、输入通道、输出通道），说明训练时模型预期输入是4维张量（格式为(批量大小, 高度, 宽度, 通道数)）。
• 当前加载后输入变成5维张量(None, None, 48, 48, 1)，多了一个不必要的维度，导致卷积层无法匹配计算。

解决方案 #

• 排查图像预处理环节：检查后续人脸图像处理代码，是否错误增加了维度。比如用img_to_array转换后，是否额外调用np.expand_dims多扩展了一次维度？如果是，用np.squeeze()去掉多余维度，确保输入图像形状为(48,48,1)，批量输入为(None,48,48,1)。

• 修正模型输入层（临时修复）：如果无法重新训练模型，加载后可手动修改输入层形状适配正确维度：

from keras.models import load_model, Model
from keras.layers import Input

# 加载原模型
classifier = load_model("./Emotion_Detection.h5")
# 重新定义4维输入层（匹配卷积核要求）
new_input = Input(shape=(48, 48, 1))
# 复用原模型网络结构
outputs = classifier(new_input)
# 创建适配后的新模型
new_model = Model(inputs=new_input, outputs=outputs)

# 后续预测使用new_model替代原classifier

• 重新训练并保存模型（根治方案）：如果是训练阶段输入层定义错误，打开训练代码，确认输入层为Input(shape=(48,48,1))，重新训练后保存模型，确保训练与推理阶段输入维度一致。

内容的提问来源于stack exchange，提问作者Esakkinathan B