Numpy 如何为NN正确重塑图像

我训练了我的NN模型并使用下一个代码保存它：

from tensorflow import keras
import tensorflow.keras.layers as layers
import cv2
import numpy as np

inputs = keras.Input(shape=(784,), name='img')

x = layers.Dense(64, activation='relu')(inputs)
x = layers.Dense(64, activation='relu')(x)
outputs = layers.Dense(10, activation='softmax')(x)

model = keras.Model(inputs=inputs, outputs=outputs, name='mnist_model')
# model.summary()

(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255

model.compile(loss='sparse_categorical_crossentropy',
            optimizer=keras.optimizers.RMSprop(),
            metrics=['accuracy'])
history = model.fit(x_train, y_train,
                    batch_size=64,
                    epochs=5,
                    validation_split=0.2)
test_scores = model.evaluate(x_test, y_test, verbose=2)
model.save("myFirstModel.model")
# print('Test loss:', test_scores[0])
# print('Test accuracy:', test_scores[1])
# print("-"*20)

如您所见，训练图像的大小为28x28像素。但是，当我加载经过训练的模型并试图预测从手机上拍摄的自定义图像（

1620x2160

像素）的值时，它会返回一个错误：

model = keras.models.load_model('myFirstModel.model')
model.summary()

img = cv2.imread('C:/Users/Horseman.mini/Desktop/7.jpg', 0) # it is a picture of number 7
# img = cv2.resize(img, (28, 28)) # if I use this - error 1 occures
img = np.resize(img, (-1, 28, 28, 1)) # if I use this - error 2 occures
img_array = np.asarray(img)
Xnew = np.array([img_array])
# make a prediction
ynew = model.predict(Xnew)
result = np.argmax(ynew, axis=1)
print("predicted : ", result)

错误1

ValueError: Input 0 of layer dense is incompatible with the layer: expected axis -1 of input shape to have value 784 but received input with shape [None, 28, 28]

错误2

ValueError: cannot reshape array of size 3498416 into shape (28,28,1)

问题

如何正确重塑图像，使此模型在没有此类错误的情况下工作

我应该如何从大小不同的

w x h

图像（而不仅仅是大小为28x28像素的图像）预测数字（在本例中）

编辑1

尝试将w和h更改为784，现在没有以前的错误，除了一个新错误，下一个错误可能是因为那个错误。但是它返回给我，我的

7.jpg

数字是2。我改为

0.jpg

（即0），预测结果仍然是2。因此，由于某种原因，输出是错误的

model = keras.models.load_model('myFirstModel.model')
model.summary()

img = cv2.imread('C:/Users/Horseman.mini/Desktop/7.jpg', 0)
img = cv2.resize(img, (784, 784))

img_array = np.asarray(img)

Xnew = np.array([img_array])
ynew = model.predict(Xnew)
result = np.argmax(ynew)
print("predicted : ", result) # always result is 2

输出

WARNING:tensorflow:Model was constructed with shape (None, 784) for input Tensor("img:0", shape=(None, 784), dtype=float32), but it was called on an input with incompatible shape (None, 784, 784).
predicted :  2

---

在您的模型中，您指定了input_shape=784，因此您需要预测的图像也是尺寸为784而不是28 X 28的图像，因此将其调整为784。您的模型是针对尺寸为784像素的图像进行训练的，因此无论原始图像的尺寸如何，您都必须在使用它之前将其重塑为784像素。只是对未来的一句警告。您正在阅读cv2图像，但因为它们是灰度图像，所以没有问题。但是，如果是彩色图像，请记住cv2将图像读取为bgr图像而不是rgb。因此，如果您已经在rgb图像上进行了培训，但阅读了bgr图像进行预测，则不会给出准确的结果。必须使用将图像转换为rgb

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

---

我最近犯了这个错误，很容易忘记转换图像

我不清楚应该如何指定它。当I

cv2.resize（img，（784））

时，它返回我

函数正好取2个参数（给定1个）

<代码>cv2。调整大小（img，（784，）也不起作用。当I

img=cv2.resize（img，（784，img.shape[0]））

它说

警告：tensorflow：模型是用shape（None，784）为输入张量（“img:0”，shape=（None，784），dtype=float32）构造的（“img:0”，shape=（None，784），dtype=float32），但它是在不兼容shape（None，1600，784）的输入上调用的。

我该怎么做？