Keras形状识别模型预测时Sequential层输入通道不匹配报错求助

报错根本原因 #

你定义的Keras模型输入要求是3通道RGB图像（第一层卷积的input_shape=(100,100,3)，最后一维3代表通道数），但预测阶段加载图像时指定了color_mode="grayscale"，加载出来的是单通道灰度图，输入shape最后一维为1，和模型要求的3通道不匹配，因此触发维度错误。

可选用的解决方法 #

• 方案1：修改预测阶段的图像加载逻辑，保持和训练阶段输入一致
  训练时你用的ImageDataGenerator默认读取3通道RGB图，所以预测时调整加载图像的代码即可，同时注意保持预处理逻辑和训练一致：

# 删除color_mode="grayscale"参数，默认加载RGB图
img = load_img('img.jpeg', target_size=(100, 100))
img = img_to_array(img)
# 和训练阶段的rescale操作保持一致，做归一化
img = img / 255.0
img = img.reshape((1, 100, 100, 3))
prediction = model1.predict(img)

• 方案2：如果业务确实需要用灰度图训练和预测，修改全链路配置
  如果实际场景都用灰度图，把模型第一层的input_shape改成(100,100,1)，同时训练用的flow_from_directory方法要加上color_mode="grayscale"参数，保证训练、验证、预测三个阶段的输入通道数完全一致，重新训练模型即可。
• 方案3：不想重训模型，直接把单通道灰度图转成3通道格式
  如果已经完成训练不想重训，可以把加载的灰度图在通道维度复制3次，模拟3通道输入匹配模型要求：

import numpy as np
img = load_img('img.jpeg', color_mode="grayscale", target_size=(100, 100))
img = img_to_array(img)
# 单通道复制3次，转为3通道格式
img = np.concatenate([img, img, img], axis=-1)
# 保持和训练一致的归一化
img = img / 255.0
img = img.reshape((1, 100, 100, 3))
prediction = model1.predict(img)

注意：训练阶段执行的所有预处理操作，预测阶段必须做完全一致的处理，否则预测结果会严重偏离预期。

内容的提问来源于stack exchange，提问作者Hugo_87