TensorFlow CNN图像分类预测报错：期望四维输入实际为三维如何解决

错误根因 #

• 输入维度不匹配：你的卷积网络要求输入为4维张量，格式为(batch_size, 图片高度, 图片宽度, 通道数)，但你在预测代码中冗余操作出错：已经通过np.expand_dims(x, axis=0)生成了符合要求的4维数组y，但后续拼接时错误使用了原始3维数组x，最终传入模型的张量维度仅为3维(10, 300, 3)，触发维度不兼容报错。
• 预处理逻辑不一致：训练阶段你通过ImageDataGenerator设置了rescale=1/255的像素归一化操作，但预测阶段直接传入0-255范围的原始像素值，即使维度修复后也会得到错误的预测结果。

修复方法 #

将原代码中文件上传后的预测循环段，替换为如下代码即可：

for fn in uploaded.keys():
  path = '/content/' + fn
  img = image.load_img(path, target_size=(300, 300))
  x = image.img_to_array(img)
  # 扩展维度为4维，匹配模型输入要求
  x = np.expand_dims(x, axis=0)
  # 和训练阶段保持一致，做像素归一化
  x = x / 255.0

  classes = model.predict(x, batch_size=10)
  print(classes)
  print(classes[0])
  if classes[0]>0.5:
    print(fn + " 是人类")
  else:
    print(fn + " 是马")

内容的提问来源于stack exchange，提问作者George