Numpy 预期conv2d_1_输入具有形状（28,28,1），但获得具有形状（1,28,28）的数组

所以我在keras上使用mnist的例子，我试图预测我自己的一个数字。我真的很挣扎如何匹配尺寸大小，因为我似乎找不到一种方法来调整图像大小，使行和列位于图像编号之后。我尝试过使用via numpy调整大小，但我只是一个接一个地出错

代码

from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
import numpy as np
import cv2

batch_size = 20
num_classes = 10
epochs = 1
img_rows, img_cols = 28, 28

(x_train, y_train), (x_test, y_test) = mnist.load_data()

print("Processing image")   
im = cv2.imread('C:/Users/Luke/pic4.png', 0) #loading the image
print(im.shape) #28*28
im = cv2.resize(im,  (img_rows, img_cols)) 



list = [im]


batch = np.array([list for i in range(1)])   
print(batch.shape)#1*28*28
batch = batch.astype('float32')
batch /= 255

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

#print("x_train shape")     

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255

y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

def base_model():
    model = Sequential()
    model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
    model.add(Conv2D(64, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))
    model.add(Flatten())
    model.add(Dense(128, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(num_classes, activation='softmax'))

    model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])
return model

cnn_m = base_model()
cnn_m.summary()


print("Predicting image")
cnn_m.predict(batch)
print("Predicted image")

错误

$python mnist\u cnn\u test.py
使用TensorFlow后端。
x_列车形状：（60000,28,28,1）
60000列车样本
10000个测试样本
_________________________________________________________________
图层（类型）输出形状参数#
=================================================================
conv2d_1（conv2d）（无、26、26、32）320
_________________________________________________________________
conv2d_2（conv2d）（无、24、24、64）18496
_________________________________________________________________
最大池2D池1（最大池2（无、12、12、64）0
_________________________________________________________________
辍学1（辍学）（无、12、12、64）0
_________________________________________________________________
展平1（展平）（无，9216）0
_________________________________________________________________
密集型_1（密集型）（无，128）1179776
_________________________________________________________________
辍学2（辍学）（无，128）0
_________________________________________________________________
致密_2（致密）（无，10）1290
=================================================================
总参数：1199882
可培训参数：1199882
不可训练参数：0
_________________________________________________________________
预测图像
回溯（最近一次呼叫最后一次）：
文件“mnist_cnn_test.py”，第100行，在
cnn_m.预测（批量）
文件“C:\Python35\lib\site packages\keras\models.py”，第1027行，在predict中
步骤=步骤）
文件“C:\Python35\lib\site packages\keras\engine\training.py”，第1782行，在predict中
检查（批次轴=假）
文件“C:\Python35\lib\site packages\keras\engine\training.py”，第120行，输入数据
str（数据形状））
ValueError:检查时出错：预期conv2d_1_输入具有形状（28,28,1），但获取具有形状（1,28,28）的数组

看起来您的数据格式不对。数据首先作为通道_传递（即每个图像为1 x 28 x 28），但Conv2D层希望通道_最后（28 x 28 x 1）

一种修复方法是首先将

data\u format=channels\u

传递到Conv2D和MaxPooling层。但是，如果在CPU上运行，则可能不支持此操作。或者，更改此部分

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

要始终执行

else

块（该块将重新整形为最后一种格式）。在这种情况下，不要将

data\u format

参数包含到Conv层（默认为channels\u last）。

解决方案： 推理： 指任何批量（样品编号）、28*28形状和1个通道。 在您的情况下，使用1作为样本号。

您只需添加

K.set_image_dim_ordering('th')

---

谢谢channels first方法似乎不起作用，但是如果我离开channels first块来执行该形状，它似乎是正确的。

im = cv2.resize(im,  (img_rows, img_cols)) 
im.reshape((img_rows,img_cols))
print(im.shape) # (28,28)

batch = np.expand_dims(im,axis=0)
print(batch.shape) # (1, 28, 28)
batch = np.expand_dimes(batch,axis=3)
print(batch.shape) # (1, 28, 28,1)

... # build the model
model.predict(batch)

print(model.input_shape) # (None,28,28,1)

K.set_image_dim_ordering('th')