TensorFlow Sequential模型输入形状不匹配问题求助

原因 #

TensorFlow/Keras的模型在预测时要求输入是批量数据格式，即张量形状为(批量大小, 高度, 宽度, 通道数)。你传入的单张图片形状是(30,30,3)，缺少了批量维度，模型会将其解析为(None, 30, 3)（None代表动态批量大小），和模型期望的(None, 30, 30, 3)形状不匹配，因此抛出错误。

解决方法 #

给单张图片补上批量维度即可，有两种常用方式：

• 方式一：使用NumPy扩展维度
  修改代码中的预测部分：

  # 增加批量维度，shape变为(1, 30, 30, 3)
  image = np.expand_dims(image, axis=0)
  model.predict(image)
  

• 方式二：用列表包裹图片（自动补全批量维度）

  # 直接用列表把单张图片包起来
  model.predict([image])
  

补充说明：模型训练时输入的都是批量数据（比如model.fit()接收的数据集形状是(N, 30, 30, 3)，N为样本数量），所以预测时必须保持输入格式一致，哪怕只有一张图片，也要补上代表批量大小的维度。

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