Python 3.x 图像预处理在vgg16中不起作用

我正在使用迁移学习（vgg16）学习图像分类，我正在使用keras的内置时尚mnist数据集

（x_列，y_列），（x_测试，y_测试）=时尚列表加载数据（）

为了预处理vgg16的数据，我通过从keras.applications.vgg16导入preprocess_输入，使用了以下命令

X\u列=预处理输入（X\u列）
X_测试=预处理_输入（X_测试）
train\u features=vgg16.predict（np.array（X\u train），批处理大小=256，详细度=1）
test\u features=vgg16.predict（np.array（X\u test），batch\u size=256，verbose=1）

但是我得到了下面的错误

ValueError:检查输入时出错：预期输入_1有4个维度，但得到了具有形状的数组（60000,28,28）

---

我使用的是keras2.2.4，PIP19.0.3，Fashion mnist数据集有灰度图像，这意味着它只有一个通道的深度，并使用RGB图像进行训练，其中有3个通道的深度。根据您的错误，您不能将VGG16与单通道输入一起使用。要将VGG16用于fashion mnist数据集，必须将图像作为三个通道读取。您可以使用以下方法进一步处理

X_列车

和

X_测试

：

---

VGG接受的最小值为32，最大值为224，可以看出，要改变这一点，我们可以这样做

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1) # converting it to (,28x28x1)
x_train = np.pad(x_train, ((0,0),(2,2),(2,2),(0,0)), 'constant',constant_values=(0, 0)) # converting it to min (,32x32x1)
x_train = np.stack((x_train,)*3, axis=-1) # (,32,32,1,3)
x_train = x_train[:,:,:,0,:] # (,32,32,1)
y_train = keras.utils.to_categorical(y_train, num_classes)

这可以轻松地用于keras中的.fit（）、.evaluate（）和.predict（），而无需将其转换为张量数据并编写生成器

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1) # converting it to (,28x28x1)
x_train = np.pad(x_train, ((0,0),(2,2),(2,2),(0,0)), 'constant',constant_values=(0, 0)) # converting it to min (,32x32x1)
x_train = np.stack((x_train,)*3, axis=-1) # (,32,32,1,3)
x_train = x_train[:,:,:,0,:] # (,32,32,1)
y_train = keras.utils.to_categorical(y_train, num_classes)