髋关节植入物影像分类模型预测输入维度不兼容问题排查

背景介绍 #

• 基于X光影像构建髋关节植入物松动/正常分类模型
• 数据存储在GCS桶的CSV文件中，包含图片路径和类别两列
• 训练时将图片统一调整为224×224尺寸

约束条件 #

• 可用影像数据有限，优先保证模型可运行，暂不追求预测精度

问题现象 #

调用model.predict做单图预测时，抛出以下错误：

ValueError: Input 0 of layer "sequential_7" is incompatible with the layer: expected shape=(None, 224, 224, 1), found shape=(None, 244, 1)

相关代码片段 #

1. 数据管道 #

# 数据管道
CLASS_NAMES = ['loose', 'control']

def decode_csv(csv_row): # csv_row包含文件路径和图片类别
    record_defaults = ["path", "image class"] # 数据集默认值
    filename, label_string = tf.io.decode_csv(csv_row, record_defaults) # 读取CSV每行数据
    
    image_bytes = tf.io.read_file(filename=filename) # 输出：base64图片字符串
    image_bytes = tf.image.decode_jpeg(image_bytes) # 输出：整数数组
    image_bytes = tf.image.convert_image_dtype(image_bytes, tf.float32) # 输出：0-1范围的浮点数
    image_bytes = tf.image.resize(image_bytes, [224, 224]) # 输出：统一尺寸后的图片
    
    label = tf.math.equal(CLASS_NAMES, label_string) # 将标签格式化为布尔数组，对应类别为True
    
    return image_bytes, label # 返回处理后的图片和标签

def load_dataset(csv_file, batch_size, training=True):
    ds = tf.data.TextLineDataset(filenames=csv_file).skip(1) # 跳过表头行
    ds = ds.map(decode_csv).cache()
    ds = ds.batch(batch_size=batch_size)
    
    if training:
        ds = ds.shuffle(10).repeat()
    return ds

train_ds = load_dataset("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/hip-implant-data.csv", batch_size = 10)
validation_data = load_dataset("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/hip-implant-data.csv", batch_size = 10, training=False)

2. 模型创建 #

# 创建模型
IMG_HEIGHT = 224
IMG_WIDTH = 224
IMG_CHANNELS = 64

model = Sequential([
    Conv2D(name="first-Conv2D-layer",filters=64, kernel_size=3, input_shape=(IMG_WIDTH, IMG_HEIGHT, 1), padding='same', activation='relu'),
    MaxPooling2D(name="first-pooling-layer",strides=2, padding='same'),
    Conv2D(name="second-Conv2D-layer", filters=32, kernel_size=3, activation='relu'),
    MaxPooling2D(name="second-pooling-layer", strides=2, padding='same'),
    Flatten(),
    Dense(units=400, activation='relu'),
    Dense(units=100, activation='relu'),
    Dropout(0.25),
    Dense(2),
    Softmax()
])

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

3. 单图预测代码 #

# 单图预测
image_path = tf.io.read_file("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/Control/control (25).png")

new_image = decode_img(image_path, [244, 244])

print(new_image.shape)
plt.imshow(new_image.numpy())

prediction = model.predict(new_image)
print(prediction)

补充：decode_img函数 #

img = tf.io.read_file("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/Control/control (25).png")

def decode_img(img, reshape_dims):
    img = tf.image.decode_jpeg(img) # 将base64图片字符串解码为整数数组
    img = tf.image.convert_image_dtype(img, tf.float32) # 将整数数组转换为0-1范围的浮点数
    img = tf.image.resize(img, reshape_dims) # 统一图片尺寸
    return img


img = decode_img(img, [224, 224])

plt.imshow(img.numpy())

已尝试的解决方法 #

1. 在卷积层设置padding='same'，解决了初始的层内维度不匹配问题
2. 显式指定模型输入形状为(244,244,1)（添加Input层）
3. 修改滤波器大小、神经元数量、池化大小，解决层无法进一步降维的错误

解决方案 #

报错核心有两个原因：

1. 预测时图片尺寸写错：单图预测代码里把[224,224]写成了[244,244]，和模型输入要求的224×224不匹配
2. 单图缺少batch维度和通道维度：模型输入要求是(None, 224,224,1)，其中None代表batch维度，而单图处理后是(224,224)或(224,224,3)（X光图应为单通道灰度图），需要补充维度

修正后的单图预测代码 #

# 修正后的单图预测
image_path = tf.io.read_file("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/Control/control (25).png")

# 1. 修正尺寸为224×224
new_image = decode_img(image_path, [224, 224])

# 2. 转换为单通道并补充batch维度
new_image = tf.image.rgb_to_grayscale(new_image) # 转灰度图（适配模型单通道输入）
new_image = tf.expand_dims(new_image, axis=0) # 增加batch维度，形状变为(1,224,224,1)

print(new_image.shape)
plt.imshow(new_image.numpy()[0, ..., 0], cmap='gray') # 正确显示灰度图

prediction = model.predict(new_image)
print(prediction)
# 输出预测类别
pred_class = CLASS_NAMES[tf.argmax(prediction, axis=1)[0]]
print(f"预测类别：{pred_class}")

额外优化建议 #

• 训练数据管道同步修改：在decode_csv函数中添加image_bytes = tf.image.rgb_to_grayscale(image_bytes)，保证训练和预测的通道数一致
• 统一使用IMG_HEIGHT/IMG_WIDTH变量，避免硬编码尺寸导致的错误

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