TensorFlow Keras Sequential层输入不匹配ValueError报错排查
报错成因与修正方案
核心触发原因
- 推理环节的图像预处理完全没有对齐训练时的规则:
- 训练阶段所有图像都经过
ImageDataGenerator处理,统一转成1通道灰度图、尺寸缩放为2828,输入模型的张量通道数固定为1。但推理时用image.load_img()加载图片没有显式指定参数,默认加载为3通道RGB图、尺寸设为200200,直接触发层形状不兼容报错。 - 推理代码存在基础逻辑错误:调用
model.predict()时传入的是未处理的image对象,而非预处理完成的数组;分类判断时直接将模型输出的概率数组和整数1做比较,完全匹配不到正确值。
- 训练阶段所有图像都经过
替换后的可运行推理代码
把原代码末尾的推理循环段替换为如下内容:
# 对齐训练时的类别索引,避免标签顺序错配 label_map = train_generator.class_indices tomato_class_idx = label_map['tomato'] for img_name in os.listdir(testing1_data_dir): img_full_path = os.path.join(testing1_data_dir, img_name) # 严格匹配训练时的预处理参数 img = image.load_img( img_full_path, color_mode='grayscale', target_size=(img_width, img_height) ) plt.imshow(img, cmap='gray') plt.show() # 转数组、做归一化、加batch维度 img_arr = image.img_to_array(img) / 255.0 input_tensor = np.expand_dims(img_arr, axis=0) # 传入处理好的张量做推理 pred_result = model.predict(input_tensor, verbose=0) pred_class = np.argmax(pred_result) if pred_class == tomato_class_idx: print("Tomato") else: print("Not Tomato")
关键修正项说明
- 加载图像时强制指定
color_mode='grayscale',从输入层面解决3通道和1通道的不兼容问题 - 推理和训练统一图像尺寸、归一化缩放规则,避免预处理偏差拖低识别准确率
- 修正
model.predict的入参,传入预处理完成的numpy数组而非原始图像对象 - 用
np.argmax解析softmax输出的概率分布,替代原错误的等值判断逻辑,适配多分类输出格式
内容的提问来源于stack exchange,提问作者Shreya_4
相关产品推荐
相关产品推荐

