TensorFlow皮肤癌图像识别模型预测时形状不匹配错误求助

核心原因 #

Keras/TensorFlow的predict方法要求输入必须包含批量维度（即第一个维度代表样本数量），你传入的单张图像缺少该维度，导致模型误判各维度含义，引发形状不匹配错误。

解决步骤 #

在调用model.predict前，为图像数组添加批量维度即可修复：

修改后的代码 #

test = tf.keras.utils.load_img('./thumbnails/malicious/ISIC_0029615.jpg')
test = tf.keras.utils.img_to_array(test)
test = tf.image.resize(test, (256, 256))
test /= 255
plt.imshow(test)
print(test.shape)  # 输出 (256, 256, 3)
test = tf.expand_dims(test, axis=0)  # 新增：添加批量维度
print(test.shape)  # 输出 (1, 256, 256, 3)
model.predict(test)

报错细节解释 #

你看到的found shape=(32,256,3)是因为：当传入无批量维度的(256,256,3)数组时，模型会错误地将第一个维度（256）识别为批量大小，第二个维度（256）识别为图像高度，第三个维度（3）识别为图像宽度，完全不符合模型期望的(None,256,256,3)格式（None代表任意批量数）。添加批量维度后，模型就能正确映射各维度的含义。

额外注意事项 #

• 如果之前尝试过reshape操作，需确保是reshape(1,256,256,3)，避免通道或尺寸维度顺序错位。
• 确认模型输入层定义为input_shape=(256,256,3)（通道在后格式），如果你的模型是通道在前格式（input_shape=(3,256,256)），则需先转置图像：test = tf.transpose(test, (2,0,1))，再添加批量维度。

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