修复numpy图像转tensor时Argument must be a dense tensor报错

用[img]包裹numpy数组时，你得到的是一个Python列表，列表里唯一的元素是那个形状为(128,128,3)的numpy数组。TensorFlow不会自动把列表里的numpy数组展开拼接成高维张量，只会把这个列表识别为长度为1的一维结构，自然和你预期的4维张量形状冲突，就会抛出看到的形状报错。

• 方案1：直接转张量后手动扩维，不需要额外套方括号

img = cv2.imread(r'source_img.jpg')
# 先转成形状为(128, 128, 3)的张量
img_tensor = tf.constant(img, dtype=tf.uint8)
# 在第0位增加batch维度，得到你需要的(1, 128, 128, 3)形状张量
img_tensor_with_batch = tf.expand_dims(img_tensor, axis=0)

• 方案2：先给numpy数组扩维，再直接转张量

import numpy as np
# 先用numpy给数组扩维，得到形状(1,128,128,3)的numpy数组
img_with_batch = np.expand_dims(img, axis=0)
# 直接传入转换即可，不会触发结构解析错误
img_tensor = tf.constant(img_with_batch, dtype=tf.uint8)

补充提示：cv2读取的图像默认是BGR通道顺序，如果后续要对接按RGB通道训练的模型，需要提前用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转换通道顺序，避免颜色错乱。

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