TensorFlow单张图片预测报错：输入形状不兼容问题求助

相关代码 #

# =========加载fashion_mist数据集===================
import tensorflow as tf
from tensorflow import keras
fashion_mist = keras.datasets.fashion_mnist 
(train_images, train_labels), (test_images,test_labels) = fashion_mist.load_data()
#  上方的变量依次对应 训练的图片, 训练的标签,   测试的图片, 测试的标签

# =====================================================
# 尝试对单张测试图片执行预测操作
# =======预测单张图片===========

print(test_labels[0])
print(model.predict([[test_images[0]/255]]))

报错信息 #

WARNING:tensorflow:Model was constructed with shape (None, 28, 28) for input KerasTensor(type_spec=TensorSpec(shape=(None, 28, 28), dtype=tf.float32, name='flatten_13_input'), name='flatten_13_input', description="created by layer 'flatten_13_input'"), but it was called on an input with incompatible shape (None, 28).

解决方法 #

报错核心是输入形状不匹配：模型训练时定义的输入形状是(None, 28, 28)（None代表批量维度，后面是28×28的单通道图片），但你传入的输入形状是(None, 28)，缺少了一个维度。

• 方式一：扩展输入维度，补全批量维度
  直接使用TensorFlow或NumPy的维度扩展方法，把单张图片的形状从(28,28)转换成(1,28,28)（1代表批量大小为1）：

  # TensorFlow方式扩展维度
  print(model.predict(tf.expand_dims(test_images[0]/255, axis=0)))
  
  # NumPy方式扩展维度（需先导入numpy）
  import numpy as np
  print(model.predict(np.expand_dims(test_images[0]/255, axis=0)))
  

• 方式二：用切片获取单张图片，自动保留维度
  通过切片取第一张测试图，切片操作会自动保留批量维度，无需手动扩展：

  print(model.predict(test_images[0:1]/255))
  

内容的提问来源于stack exchange，提问作者王云湖不归