TensorFlow模型训练时X_train数组形状异常该如何转换？

当前X_train是元素为独立NumPy数组的1维不规则结构：

• 整体形状为(21,)，无法直接拼接为批量Tensor
• 内部每个图片的尺寸不统一（如示例中X_train[0]形状为(179,282,3)），也不符合模型指定的input_shape=(100,100,3)输入要求
  因此触发“无法将NumPy数组转换为Tensor”的报错。

1. 统一所有样本的图片尺寸 #

将所有图片缩放至模型要求的(100,100,3)尺寸，二选一实现即可：

• 基于OpenCV实现：

import cv2
import numpy as np

# 模型要求的输入尺寸
IMG_SIZE = (100, 100)
# 遍历所有样本完成尺寸统一
X_train_processed = np.array([cv2.resize(img, IMG_SIZE) for img in X_train])

• 基于TensorFlow内置接口实现（无需额外安装依赖）：

import tensorflow as tf

IMG_SIZE = [100, 100]
X_train_processed = tf.image.resize(X_train, size=IMG_SIZE).numpy()

2. 校验处理后的数组形状 #

执行如下代码确认形状符合预期：

print(X_train_processed.shape)
# 正确输出应为 (21, 100, 100, 3)

3. 重新执行训练 #

将处理后的数组传入训练接口即可正常运行：

history = model.fit(X_train_processed, y_train, epochs=10)

内容的提问来源于stack exchange，提问作者Sunilsai