TensorFlow Keras调用predict时np.array创建形状与原数据不符

1. 形状没有发生变化，你观察到的np.array(x[0])[0].shape为(128, 3)是因为你主动取了三维数组的第一维第0个元素，x[0]本身转成NumPy数组后形状依然是(128, 128, 3)，该操作和你传入predict的输入无关，属于测试代码的误导。
2. 报错核心是Keras的model.predict()要求输入必须携带批次维度，即输入形状第一个位为批次大小，你当前传入的单张图片形状为(128, 128, 3)，缺少批次维度，predict会自动将第一个维度128识别为批次大小，认为你传入了128个形状为(128, 3)的样本，和模型要求的单样本形状(128, 128, 3)不匹配，因此抛出形状错误。

两种常用方法都可以给单张图片补充批次维度：

• 使用np.expand_dims扩展维度

model.predict(np.expand_dims(x[0], axis=0))

• 使用np.newaxis插入批次维度

model.predict(np.array(x[0])[np.newaxis, ...])

内容的提问来源于stack exchange，提问作者Danial