TensorFlow CNN预测时出现形状不匹配ValueError问题求助

错误原因 #

TensorFlow/Keras的模型默认要求输入带批量维度（第一个维度为样本数量，用None表示可变批量）。你的模型输入形状定义为(64,64,3)，训练/评估时传入的training_patches/validation_patches是形状为(N,64,64,3)的批量数据（N为样本数），符合模型预期；但单张预测时传入的是(64,64,3)的数组，缺少批量维度，模型会误将第一个64识别为批量大小，导致输入形状不匹配（期望(None,64,64,3)，实际得到(None,64,3)）。

解决方法 #

给单张图片手动添加批量维度即可，三种常用实现方式：

1. 使用numpy.expand_dims：

import numpy as np
# 假设single_image是形状为(64,64,3)的输入图像
single_image_batch = np.expand_dims(single_image, axis=0)
pred = model.predict(single_image_batch)

2. 使用tf.expand_dims：

single_image_batch = tf.expand_dims(single_image, axis=0)
pred = model.predict(single_image_batch)

3. 直接通过索引插入维度：

# np.newaxis 或 None 均可用来插入新维度
pred = model.predict(single_image[np.newaxis, ...])
# 或
pred = model.predict(single_image[None, ...])

结果处理 #

预测后得到的结果是形状为(1,1)的数组，若要获取单张图片的预测概率，直接取数组第一个元素即可：

pred_prob = pred[0][0]
# 或
pred_prob = pred.flatten()[0]

内容的提问来源于stack exchange，提问作者user13583700