DeepFace调用VGG-Face预测时输入形状不兼容报错解决方法

Keras框架下的深度学习模型输入固定为4维格式：(batch_size, height, width, channels)，你打印出的模型输入形状(None, 224, 224, 3)中，首位的None代表动态批次维度，哪怕仅输入单张图像做预测，这个维度也不能省略。
当前你传入的img形状为(224, 224, 3)，缺失了最前置的批次维度，模型会错误将第一维的224识别为批次大小，后续维度顺次错位，最终抛出形状不匹配的错误。

在传入模型前，给img在第0轴（最前端）增加一个值为1的批次维度即可，两种实现方式都可正常运行：

• 方式1：使用numpy的维度扩展方法，不需要硬编码图像尺寸，通用性更好

import numpy as np

# 原有代码
model = DeepFace.build_model('VGG-Face')
print(img.shape) # (224, 224, 3)
print(model.input_shape) # (None, 224, 224, 3)

# 新增：扩展批次维度
img = np.expand_dims(img, axis=0)
# 扩展后img形状为(1, 224, 224, 3)，完全匹配模型输入要求

representation = model.predict(img)
print(representation)
return representation

• 方式2：直接reshape指定形状，适合明确知道输入尺寸的场景

img = img.reshape(1, 224, 224, 3)

补充注意：VGG-Face预训练模型要求输入像素值范围为0-255，如果你提前把图像像素归一化到0-1区间，会导致输出的特征表示异常，这点如果后续预测准确率异常可以优先排查。

内容的提问来源于stack exchange，提问作者Tlaloc-ES