使用Keras Sequential模型预测图像时遇ValueError的解决方法

我用Fashion MNIST数据集训练了一个模型，执行图像类别预测时运行代码prediction = model.predict(image)出现了ValueError，已经按步骤预处理测试图像但问题依然存在，求修复建议。

错误信息 #

ValueError: in user code:

File "c:\Users\mkcor\anaconda3\Lib\site-packages\keras\src\engine\training.py", line 2440, in predict_function  *

...
Call arguments received by layer 'sequential' (type Sequential):
• inputs=tf.Tensor(shape=, dtype=float32)
• training=False
• mask=None

模型代码 #

model = keras.models.Sequential([
    keras.layers.Flatten(), 
    keras.layers.Dense(512, activation='relu'), 
    keras.layers.Dropout(0.2),
    keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5)

已尝试的预处理步骤 #

from keras.preprocessing import image
import numpy as np

# Load the image
img_path = 'image.jpg'

# Load and resize image to match Fashion MNIST
img = image.load_img(img_path, target_size=(28, 28), color_mode='grayscale')  

# Convert image to array and normalize
img_array = image.img_to_array(img)
img_array /= 255.0  # Normalize pixel values

# Reshape the image for model prediction
img_input = np.expand_dims(img_array, axis=0)

修复建议 #

从错误信息看，输入张量的shape为空，说明模型接收的输入维度不匹配，结合代码细节，可按以下方向排查修复：

1. 修正预测时的传入变量
   你预处理后得到的是img_input，但预测代码写的是model.predict(image)——大概率是变量名写错了，应该传入处理好的img_input而非原始image对象。修正代码：

   prediction = model.predict(img_input)
   

2. 确认输入张量维度是否正确
   Fashion MNIST训练数据的维度是(样本数, 28, 28, 1)（单通道灰度图），预处理后的img_input应是(1, 28, 28, 1)。可在预测前打印维度确认：

   print(img_input.shape)  # 正常输出应为(1, 28, 28, 1)
   

   如果维度缺失（比如是(1,28,28)），手动补充通道和样本维度：

   img_input = np.expand_dims(img_array, axis=-1)  # 增加通道维度
   img_input = np.expand_dims(img_input, axis=0)   # 增加样本维度
   

3. 匹配图像像素明暗方向
   Fashion MNIST的图像是黑底白字（背景为0，前景为1），你加载的图片可能是白底黑字，会导致特征反向影响预测。可反转像素值：

   img_array = 1.0 - img_array
   

4. 明确模型输入层形状
   你的模型第一层Flatten()未指定input_shape，训练时虽能自动推断，但预测时易因输入维度歧义报错。建议定义模型时明确输入形状：

   model = keras.models.Sequential([
       keras.layers.Flatten(input_shape=(28, 28, 1)),  # 明确输入维度
       keras.layers.Dense(512, activation='relu'), 
       keras.layers.Dropout(0.2),
       keras.layers.Dense(10, activation='softmax')
   ])
   

内容的提问来源于stack exchange，提问作者Mamo