CNN杂草识别模型输入维度不兼容：多余维度1如何去除？

错误根源 #

你遇到的「expected shape=(None, 100, 100, 3), found shape=(None, 1, 100, 100, 3)」错误，核心原因有两点：

• 预处理代码的错误reshape操作：单个图像经cv2.resize后已经是(100,100,3)的正确形状，但你用new_array.reshape(32, IMG_SIZE, IMG_SIZE, 3)强行给每个图像添加了一个32的维度，导致每个样本被错误处理为多图像数组，最终让数据集多出冗余维度。
• 数据集存在冗余维度：X_train.shape中的中间1是多余的维度，完全不符合模型预期的「样本数+高+宽+通道数」输入格式。

解决步骤 #

1. 修正图像预处理逻辑 #

删除错误的reshape行（resize后的图像已经是目标形状，无需额外调整）：

IMG_SIZE = 100
def create_training_data():
    for category in CATEGORIES: 
        path = os.path.join(DATADIR, category)  
        class_num = CATEGORIES.index(category)  

        for img in tqdm(os.listdir(path)):         
            try:
                img_array = cv2.imread(os.path.join(path, img))
                new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
                # 直接添加单个图像，无需错误reshape
                training_data.append([new_array, class_num])
            except Exception as e:
                pass
           
create_training_data()

2. 修复现有数据集的维度问题 #

如果不想重新生成数据集，直接用numpy工具去除冗余维度：

# 方法1：精准去掉axis=1的冗余维度
X_train = np.squeeze(X_train, axis=1)
X_test = np.squeeze(X_test, axis=1)

# 方法2：手动重塑为目标形状
X_train = X_train.reshape(X_train.shape[0], IMG_SIZE, IMG_SIZE, 3)
X_test = X_test.reshape(X_test.shape[0], IMG_SIZE, IMG_SIZE, 3)

# 验证结果，应输出(1049, 100, 100, 3)
print(X_train.shape)

3. 确认输入匹配 #

修正后，数据集形状(样本数,100,100,3)将完全匹配模型预期的输入格式，维度不兼容问题即可解决。

内容的提问来源于stack exchange，提问作者sj_66