Sequential模型无predict_proba属性，替换predict后遇输入形状错误

1. 替换predict_proba的正确方式 #

• 新版TensorFlow/Keras的Sequential模型已移除predict_proba方法，直接用model.predict(image)替代即可。只要模型最后一层使用softmax激活函数，predict的输出就是各类别的概率值，和原predict_proba效果完全一致。
• 同时predict_classes也已被弃用，替代方案是对predict的结果调用argmax，直接得到类别索引。

2. 修复输入形状不匹配错误 #

错误提示expected shape=(None, 64, 64, 3), found shape=(None, 255, 3)，核心问题是输入图片未被正确调整为模型要求的64×64尺寸：

• 检查IMAGE_SIZE常量的定义，确保它被设置为64（与模型输入要求一致）。
• 检查resize_image函数的实现，确认它确实将图片缩放到(IMAGE_SIZE, IMAGE_SIZE)尺寸，而非其他值（比如错误的255）。
• 在reshape操作前，确保resize_image返回的图片形状为(IMAGE_SIZE, IMAGE_SIZE, 3)（TensorFlow格式），再reshape成(1, IMAGE_SIZE, IMAGE_SIZE, 3)的批量输入格式。

修改后的完整代码示例 #

def face_predict(face, image):    
    # 明确指定模型要求的输入尺寸，与模型输入层定义一致
    IMAGE_SIZE = 64
    if K.image_data_format() == 'th' and image.shape != (1, 3, IMAGE_SIZE, IMAGE_SIZE):
        image = resize_image(image, target_size=(IMAGE_SIZE, IMAGE_SIZE))
        image = image.reshape((1, 3, IMAGE_SIZE, IMAGE_SIZE))   
    elif K.image_data_format() == 'tf' and image.shape != (1, IMAGE_SIZE, IMAGE_SIZE, 3):
        image = resize_image(image, target_size=(IMAGE_SIZE, IMAGE_SIZE))
        image = image.reshape((1, IMAGE_SIZE, IMAGE_SIZE, 3))                    
    
    image = image.astype('float32')
    image /= 255
    
    # 替换predict_proba为predict
    result_proba = face.model.predict(image)
    print('result_proba:', result_proba)
    
    # 替换predict_classes为argmax获取类别索引
    result = result_proba.argmax(axis=1)        

    return result[0]

额外注意事项 #

• 如果resize_image是自定义函数，需确保使用合适的插值方式（如双线性插值），避免缩放失真影响人脸识别效果。
• 确认模型输入层的定义为input_shape=(64,64,3)（TensorFlow格式）或(3,64,64)（Theano格式），与代码中的尺寸设置完全匹配。

内容的提问来源于stack exchange，提问作者Mark