如何将keras在训练期间应用于图像的相同预处理步骤应用于numpy数组？ 问题设置 我有一个float32numpy数组的集合（比如：（100100）），每个数组都属于几个类 通过使用matplotlib.image.imsave（，array，cmap='gray'） 然后，我使用以下方法在该图像数据集上训练了一个预训练的VGG模型

扩展维度后，当我将其传递给

model.predict（）

时，预测显然是错误的，尽管在训练期间表现良好

我认为这是因为上述

输入

与

model.input

在培训期间收到的不同。如果需要，我可以将

输入

数组保存到上面（2）中的图像中，但我想知道keras将对其应用的下一步

编辑： 根据@Lescurel在评论中的见解并查看的源代码，我使用了该函数，并通过将数组保存到图像并加载它来实现这一点（以重现上面的步骤2，并确保

预处理\u函数

获得0-255范围内的值）

下面是我如何让它工作的：

input= np.random.randn(100, 100).astype(np.float32)  # sample input array

# save `input` to an image and load it
temp_path = "temp_path.jpg"
matplotlib.image.imsave(temp_path, input, cmap='gray')
img = tf.keras.preprocessing.image.load_img(temp_path,
                                            color_mode='rgb',
                                            target_size=(224, 224)
                                        )
# convert to an array
input = tf.keras.preprocessing.image.img_to_array(img)

input = preprocess_input(input)

# the above `input` is passed to the model after adding the extra dimension.
# ...

input= np.random.randn(100, 100).astype(np.float32)  # sample input array

# save `input` to an image and load it
temp_path = "temp_path.jpg"
matplotlib.image.imsave(temp_path, input, cmap='gray')
img = tf.keras.preprocessing.image.load_img(temp_path,
                                            color_mode='rgb',
                                            target_size=(224, 224)
                                        )
# convert to an array
input = tf.keras.preprocessing.image.img_to_array(img)

input = preprocess_input(input)

# the above `input` is passed to the model after adding the extra dimension.
# ...   

---

对于我的用例，我仍然希望避免将其保存到图像中，并通过确保其值在（0255）范围内，直接将numpy数组转换为

预处理函数
，但这将是另一个问题的范围：）
，以便社区在此提供解决方案

基于@Lescurel在评论中的见解并查看来源
当然，我用过
函数，并通过将数组保存到图像，然后
加载它（复制上面的步骤2并确保
预处理函数
获取范围为0-255的值）

下面是我如何让它工作的：

input= np.random.randn(100, 100).astype(np.float32)  # sample input array

# save `input` to an image and load it
temp_path = "temp_path.jpg"
matplotlib.image.imsave(temp_path, input, cmap='gray')
img = tf.keras.preprocessing.image.load_img(temp_path,
                                            color_mode='rgb',
                                            target_size=(224, 224)
                                        )
# convert to an array
input = tf.keras.preprocessing.image.img_to_array(img)

input = preprocess_input(input)

# the above `input` is passed to the model after adding the extra dimension.
# ...

input= np.random.randn(100, 100).astype(np.float32)  # sample input array

# save `input` to an image and load it
temp_path = "temp_path.jpg"
matplotlib.image.imsave(temp_path, input, cmap='gray')
img = tf.keras.preprocessing.image.load_img(temp_path,
                                            color_mode='rgb',
                                            target_size=(224, 224)
                                        )
# convert to an array
input = tf.keras.preprocessing.image.img_to_array(img)

input = preprocess_input(input)

# the above `input` is passed to the model after adding the extra dimension.
# ...   

（摘自akilat90）
我正在努力理解这个问题。因此，您对图像进行了一些预处理，并用预处理后的图像训练CNN。现在，您正在测试CNN，但是您通过了测试图像，而没有经过相同的预处理阶段。现在，问题是CNN没有预测到输入。是这样吗？如果是这样，您必须通过培训期间使用的相同预处理管道运行图像，否则您将给CNN提供完全不同的数据。@stateMachine yes。问题是如何确保要预测的图像（numpy数组）经过与训练中相同的预处理步骤。如果这是一个自定义数据生成器，我将知道执行的确切步骤。但是，我正在使用keras'
flow\u from\u directory
，如上所示。例如，我有一个
target\u size
参数。那么，
flow\u from\u directory
使用了什么图像大小调整方法？在每个步骤中，他们希望图像的
dtype
是什么？@stateMachine另一个例子：当
flow\u from\u directory
读取图像时，它使用了什么方法（是
opencv.imread
，
skimage.io
，
PIL
的
图像
还是其他什么？。@akilat90您加载图像（在训练时间内）在RGB中，这就是为什么在推断时间中使用
cv2
读取图像后，您还应该转换为
BGRtoRGB
。此外，如果您在训练时间中将样本重新缩放（
1/255.
），那么您还应该确保在推断时间中。
我有一个float32 numpy数组的集合（比如：（100，100）这属于几个类。
因此我假设它们与图像具有相同的范围（值介于0和255之间）？因为这是由
预处理输入所做的假设。