Machine learning 张量流图像形状误差

我已经训练了一个分类器，现在我想通过任何一个图像

我正在使用keras库，Tensorflow作为后端

我犯了一个错误，我似乎无法克服

img_path = '/path/to/my/image.jpg'

import numpy as np
from keras.preprocessing import image
x = image.load_img(img_path, target_size=(250, 250))

x = image.img_to_array(x)
x = np.expand_dims(x, axis=0)

preds = model.predict(x) 

我是否需要重新调整数据的形状，使

None

成为第一个维度？我很困惑为什么Tensorflow会期望

None

作为第一维度

Error when checking : expected convolution2d_input_1 to have shape (None, 250, 250, 3) but got array with shape (1, 3, 250, 250)

我想知道我训练过的模型的架构是否有问题

编辑：如果我调用

model.summary（）


编辑：我确实在玩弄下面的建议，但使用numpy来代替tf进行转置-似乎仍然遇到了同样的问题

无
匹配任何数字。通常，当您将一些数据传递给模型时，需要传递维度张量：
None x data\u size
，这意味着第一个维度是任意维度，表示批量大小。在您的情况下，问题是您通过了
250x250x3
，而这应该是
3x250x250
。尝试：

x = image.load_img(img_path, target_size=(250, 250))
x_trans = tf.transpose(x, perm=[2, 0, 1])
x_expanded = np.expand_dims(x_trans, axis=0)
preds = model.predict(x_expanded) 


好的，使用Sygi的反馈，我想我已经解决了一半

这个错误实际上告诉我我需要以[1250250,3]的形式传递维度，所以这是一个简单的修复方法；我必须说，我不知道为什么TF会期望这个顺序的维度，因为看文档它似乎不正确，所以这里需要更多的研究

继续前进，我不确定转置是一种方式，就像我使用不同的输入图像一样，尺寸可能不在同一顺序，这意味着转置不能正常工作

我可能不是在转置，而是尝试调用x_restrape=img.restrape（（1250250，3）），这取决于我在TS的重塑中发现的关于维度顺序的内容

谢谢你的提示，Sygi:）
谢谢@Sygi，我尝试了一下，但我现在遇到了一个新错误。。。ValueError：参数必须是稠密张量：-得到了形状[250,250,3]，但想要[]-好的，关于批量大小的理解，我假设是因为没有，所以你可以给它任何批量大小（有点愚蠢的假设）。我还想知道是否值得使用numpy来重塑数据，而不是tf？“ValueError:参数必须是稠密张量：-得到了形状[250，250，3]，但想要[]”抱歉，让它更具可读性