TensorFlow Fashion MNIST模型预测自定义图像形状不兼容问题咨询

你遇到的报错核心原因有两点：

1. 加载的自定义图像为3通道RGB格式，和Fashion MNIST训练用的单通道灰度图格式不匹配
2. 没有将图像调整为模型输入要求的一维784维格式，28283=2352正好是报错里提到的输入维度数值

完整可运行的处理代码 #

import numpy as np
from tensorflow.keras.utils import load_img, img_to_array

# 第一步：加载图像时直接指定灰度模式，同时调整尺寸为28*28
img = load_img("test.jpg", target_size=(28,28), color_mode="grayscale")

# 第二步：转为numpy数组并做归一化（和训练集的预处理逻辑保持一致）
img_array = img_to_array(img)
# 去掉多余的通道维度，得到(28,28)的形状，和Fashion MNIST数据集格式对齐
img_array = np.squeeze(img_array, axis=-1)
# 像素值缩放到0-1区间，必须和训练时的预处理一致
img_array = img_array / 255.0

# 第三步：调整形状匹配模型输入要求：增加batch维度，拉平为784维
processed_img = img_array.reshape(1, 784)

# 此时直接传入预测即可
predict_result = probability_model.predict(processed_img)

特殊情况处理 #

如果你已经加载了RGB格式的图像，可以用以下方法转成单通道灰度图：

• 用OpenCV转换：

import cv2
rgb_img = cv2.imread("test.jpg")
gray_img = cv2.cvtColor(rgb_img, cv2.COLOR_BGR2GRAY)
resized_gray = cv2.resize(gray_img, (28,28))
# 后续同样做归一化和reshape操作即可

• 用numpy直接计算灰度值：对三个通道取加权平均，公式为gray = 0.2989 * R + 0.5870 * G + 0.1140 * B

验证方法 #

处理完成后打印processed_img.shape，确认输出为(1, 784)即可正常传入模型预测。

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