Keras Sequential模型预测报min_ndim=4 found ndim=2错误排查

报错ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=2. Full shape received: (None, 0)由两个问题直接导致：

• 传入convert_image_to_array的参数是文件夹目录路径，而非单张图片的文件路径。该函数无法从文件夹路径读取有效图像数据，返回空值，最终生成的输入数组没有有效图像信息。
• 你搭建的是卷积神经网络，第一层Conv2D要求输入为4维张量，格式为(批量大小, 图像高度, 图像宽度, 通道数)，但读取失败后传入模型的是2维空数组，维度完全不匹配，因此触发报错。

另外原代码还有一处笔误：图像像素值归一化应除以255（像素最大值为255），你写的225会导致数值范围偏差，影响预测精度。

• 单张图片预测场景：将传入加载函数的路径改为具体图片的完整路径，加载时统一resize到模型训练设定的(height, width)尺寸，修正归一化参数，参考代码如下：

from tensorflow.keras.preprocessing.image import load_img, img_to_array
import numpy as np

# 替换为你要测试的单张图片的完整路径，不要填文件夹路径
test_img_path = "C:/Users/HP/Plant Disease Detection Using Deep Learning Approach/input/Potato___Early_blight/具体测试图片文件名.jpg"
# 加载图片并resize到模型要求的输入尺寸
im = load_img(test_img_path, target_size=(height, width))
im = img_to_array(im)
# 修正归一化除数为255
np_image_li = np.array(im, dtype=np.float16) / 255.0
# 增加批量维度，凑齐4维输入
npp_image = np.expand_dims(np_image_li, axis=0)
result = model.predict(npp_image)
# 如需获取预测类别，可执行以下代码
pred_label = np.argmax(result, axis=1)

• 批量预测文件夹内所有图片场景：先遍历文件夹下所有图片文件，逐张做预处理再预测，参考代码如下：

import os
import numpy as np
from tensorflow.keras.preprocessing.image import load_img, img_to_array

image_dir = "C:/Users/HP/Plant Disease Detection Using Deep Learning Approach/input/Potato___Early_blight/"

for filename in os.listdir(image_dir):
    # 过滤非图片格式文件
    if filename.lower().endswith((".jpg", ".jpeg", ".png")):
        img_full_path = os.path.join(image_dir, filename)
        im = load_img(img_full_path, target_size=(height, width))
        im = img_to_array(im)
        np_image_li = np.array(im, dtype=np.float16) / 255.0
        npp_image = np.expand_dims(np_image_li, axis=0)
        result = model.predict(npp_image, verbose=0)
        pred_label = np.argmax(result, axis=1)
        print(f"图片{filename}预测类别编号：{pred_label[0]}")

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