运行CNN模型预测时出现InvalidArgumentError: Graph execution error求助

以下是可能的原因及对应的解决方法：

• 输入维度缺失batch轴
  绝大多数预训练CNN模型要求输入张量维度为(batch_size, height, width, channels)。如果你的测试数据是单张图片，处理后维度通常为(224,224,3)，缺少batch维度会触发图执行错误。解决方式是为输入添加batch轴：

  import numpy as np
  # 假设x是预处理后的单张图片张量
  x = np.expand_dims(x, axis=0)
  

• 预处理函数与模型不匹配
  不同预训练模型的preprocess_input逻辑不同（比如ResNet的输入范围是[-1,1]，VGG是[0,255]转换为均值归一化），混用预处理函数会导致数据分布异常。必须确保预处理函数和使用的base_model一一对应：

  # 正确示例：ResNet50对应专属预处理函数
  from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input
  base_model = ResNet50(weights='imagenet', include_top=False)
  

• 模型结构或状态被修改
  如果在特征提取阶段修改过base_model的结构（比如冻结层、添加自定义层），后续直接调用predict可能导致图结构不兼容。解决方式：

  1. 检查是否误修改了base_model的输入输出节点
  2. 若需要重复使用模型，重新加载未修改的预训练模型实例

• 数据类型不兼容
  预训练模型通常期望输入为float32类型，如果你的图片数据是uint8且预处理后未转换类型，会触发类型不匹配错误。可以显式转换数据类型：

  x = x.astype('float32')
  

• TensorFlow图残留或GPU内存问题
  多次运行模型后可能存在图碎片或内存占用问题，导致图执行失败。可以在预测前清理会话：

  import tensorflow as tf
  tf.keras.backend.clear_session()
  # 重新加载模型
  base_model = ResNet50(weights='imagenet', include_top=False)
  

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