使用Keras预测单张图片失败：输入维度不匹配问题求助

问题根源 #

你的baseline_model是基于全连接（Dense）层构建的，它要求输入是二维数组：形状为(样本数量, 总特征数)。但你当前传入的图片经过处理后是四维数组(1, 150, 150, 3)，这和模型期望的输入维度完全不匹配，所以才会抛出错误。

修复方案 #

你需要将读取并缩放后的图片展平成一维特征向量，再添加批量维度（对应样本数量为1），让输入形状符合模型要求。修改后的预测代码如下：

import cv2

x = cv2.imread('download.png')
x = cv2.resize(x, (150, 150))
# 展平图片并调整为模型需要的输入形状：(1, 总特征数)
# -1 会自动计算总特征数，这里就是 150*150*3 = 67500
x = x.flatten().reshape(1, -1)
pred = model.predict_classes(x)
print(pred)

如果你已经在训练时定义了num_pixels = 150 * 150 * 3，也可以直接写：

x = x.reshape(1, num_pixels)

额外注意事项 #

• 确认训练时的图片预处理逻辑和预测时一致：比如cv2.imread默认读取的是BGR格式，如果你的模型是用RGB格式图片训练的，需要添加x = cv2.cvtColor(x, cv2.COLOR_BGR2RGB)来转换格式，避免预测结果偏差。
• 如果后续想改用CNN模型（支持四维图片输入），那当前的四维输入形状就没问题，但全连接模型必须展平输入。

内容的提问来源于stack exchange，提问作者slimboy