Tkinter手写数字输入MNIST识别模型报形状不兼容错误求解

云原生阿岚

2026-8-29

错误根因

这个维度报错的本质是输入模型的张量形状和训练时的输入约定不匹配：

你搭建的Sequential模型首层为Flatten层，训练阶段喂入的是形状为(batch_size, 28, 28)的单通道灰度手写数字图，Flatten层会自动把28*28的二维像素矩阵展平为长度784的一维向量，匹配后续Dense层的输入要求。
你当前预处理流程输出的矩阵最终形状为(样本数, 1)，说明在图像转数组、转置/旋转、维度变换的某一步出现了逻辑错误，把28*28的像素矩阵错误压缩成了单值序列，之前尝试手动flatten没生效，是因为flatten操作前矩阵的维度本身就已经错了，不是展平操作能解决的。
额外问题：你提到因matplotlib显示左偏90度直接对矩阵做转置的操作是错误的，单纯的矩阵转置会同时翻转XY坐标，就算维度调对，识别准确率也会极低。

修复方案

1. 修正图像导出逻辑，从源头避免尺寸错误

Tkinter画布存eps时必须明确指定宽高参数，否则容易导出尺寸异常的无效文件：

# 回车触发的保存逻辑里，存eps的代码要写全参数
canvas.postscript(
    file="handwrite_num.eps",
    width=28,
    height=28,
    colormode="mono" # 单色模式存黑白图，减少后续处理干扰
)

eps转png时直接用PIL库读取，不要用matplotlib做图像加载，避免额外的坐标偏移问题。

按以下顺序做图像处理，每一步可以打印数组shape校验：

读取eps文件时直接转单通道灰度图，resize到严格28*28尺寸：

from PIL import Image
import numpy as np

img = Image.open("handwrite_num.eps").convert("L")
img = img.resize((28, 28))
img_arr = np.array(img)

做像素反转：你在画布上画的是白底黑字，而MNIST数据集是黑底白字，必须做像素值反转才能匹配训练数据分布：
```
img_arr = 255 - img_arr
```
修正方向：不要直接用.T做矩阵转置，用np.rot90做顺时针90度旋转修正左偏问题：
```
img_arr = np.rot90(img_arr, k=-1) # k=-1代表顺时针转90度
```
调整维度匹配模型输入：因为模型首层自带Flatten层，不需要手动把矩阵展平成784维，只要给二维像素矩阵加batch维度即可，最终输入形状为(1,28,28)，同时做像素值归一化：
```
model_input = img_arr.reshape(1, 28, 28).astype("float32") / 255
```

直接把处理好的model_input喂入模型即可，不会再触发维度错误：

pred_result = np.argmax(model.predict(model_input, verbose=0), axis=1)[0]
print(f"识别结果：{pred_result}")

常见踩坑排查

不要在喂入模型前手动调用flatten()把数组拉成(784,)的一维向量：你的模型首层已经是Flatten层，它期望接收的是二维的28*28图像结构，提前展平反而会触发维度不匹配。
检查二值化代码：如果写了带axis参数的聚合操作（比如np.max、np.mean），确认轴参数设置正确，避免把28*28的矩阵错误压缩成单值。
如果还是报维度错，先打印model.input_shape确认模型实际期望的输入形状：如果训练时你是把图片提前展平成784维喂入的，就把最后一步的reshape改成(1,784)即可。

内容的提问来源于stack exchange，提问作者Yassine