TensorFlow从图片URL加载单张图推理时遇维度错误的解决方法

报错根源拆解 #

• 首次调用model.predict()失败：TensorFlow/Keras的predict()接口默认接收的输入维度格式为[批次量, 图片高度, 图片宽度, 通道数]，单张图片直接传入时数组形状为(高, 宽, 3)，缺失最前面的批次维度，自然触发维度不匹配错误。
• 后续reshape失败：一方面你训练的SRCNN模型输入定义为(None, None, 3)，本身就支持任意尺寸的3通道彩色图，根本不需要把图片强行缩放到2828的单通道灰度形状；另一方面读取到的原图总像素量为1048576，对应10241024尺寸的图，和目标reshape形状的总像素数完全不匹配，reshape操作本身就无法执行。

可直接复用的正确推理流程 #

import requests
import numpy as np
from PIL import Image
from tensorflow.keras.preprocessing.image import img_to_array

url = "http://3.36.149.28/uploads/WEBUPLOADprofile.png"
# 强制转换为3通道RGB格式，避免png透明层带来的通道数不匹配问题
img = Image.open(requests.get(url, stream=True).raw).convert("RGB")
# 转换为数值数组，此时形状为(图片实际高度, 图片实际宽度, 3)
img_array = img_to_array(img)
# 保持和训练阶段完全一致的归一化逻辑
img_array = img_array / 255.
# 补充批次维度：将数组从(H,W,3)扩展为(1,H,W,3)，完全对齐模型输入要求
img_batch = np.expand_dims(img_array, axis=0)

# 执行推理
pred = model.predict(img_batch)

实操注意事项 #

• 因为你的模型输入是动态尺寸的3通道结构，不需要对图片做固定尺寸缩放，只要保证输入为3通道格式、补全批次维度，就能正常推理，不要套用之前手写数字识别任务里“reshape为(28,28,1)”的惯性操作逻辑。
• 不要用reshape调整图片尺寸：reshape操作仅在总像素数不变的前提下重排维度，没有图像缩放能力，强行使用不仅会触发尺寸不匹配报错，就算成功运行也会打乱图片像素排布，得到完全错误的预测结果。
• 读取网络图片时强制加.convert("RGB")是必要操作：网络来源的PNG图片大多带4通道Alpha透明层，不做通道转换会让读入的数组形状为(H,W,4)，依然会触发通道数维度不匹配的错误。

内容的提问来源于stack exchange，提问作者Swallacova