Python 3.x 在我自己训练的Keras模型中预测我的图像的问题

我使用迁移学习来训练我的模型。现在，当我在Colab中预测我的图像时，它显示了一个错误：

WARNING:tensorflow:Model was constructed with shape (None, 128, 128, 3) for input Tensor("xception_input:0", shape=(None, 128, 128, 3), dtype=float32), but it was called on an input with incompatible shape (None, 275, 3).
WARNING:tensorflow:Model was constructed with shape (None, 128, 128, 3) for input Tensor("input_1:0", shape=(None, 128, 128, 3), dtype=float32), but it was called on an input with incompatible shape (None, 275, 3).

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-7-142a5ca8cbef> in <module>()
      1 import numpy as np
----> 2 classes = np.argmax(model.predict(img), axis=-1)
      3 print(classes)
.
.
.


    ValueError: Input 0 of layer block1_conv1 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, 275, 3]

警告：tensorflow:模型是用输入张量的形状（None，128，128，3）构造的（“Exception_输入：0”，shape=（None，128，128，3），dtype=float32），但它是在具有不兼容形状（None，275，3）的输入上调用的。
警告：tensorflow:为输入张量（“input_1:0”，shape=（None，128，128，3），dtype=float32）构造了形状（None，128，128，3）的模型，但在形状不兼容的输入（None，275，3）上调用了该模型。
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
1作为np导入numpy
---->2类=np.argmax（模型预测（img），轴=-1）
3印刷品（类）
.
.
.
ValueError:layer block1\u conv1的输入0与layer:：expected min\u ndim=4不兼容，found ndim=3。收到完整形状：[无，275，3]

基本上，在培训期间，您向网络输入了一批图像，测试/评估时也需要这些图像。因此，简单的解决方案是将img张量的维数扩展到

[1，img.shape]

img\u测试=tf.展开尺寸（img，轴=0）

这条消息说，您使用的形状是

shape=(None, 128, 128, 3)

但当你试图从模型中预测时，你提供了

[None, 275, 3]

显然，您的模型不能使用此选项。首先，您提供了一个3dim维度输入，但您应该提供一个4dim维度输入。通常，图像是

（高度、宽度，3）

，如果您分批提供，则会变成

（批量大小、高度、宽度，3）

，如果您只有一个图像，则会变成：

(1, height, width, 3)

因此，您应该检查为模型提供的输入。对于numpy，您通常会使用

np.expand_dims(original_image, axis=0)

---

从3dim到4dim输入。

如何将我的3dim输入转换为4dim？如前所述，您可以使用numpy或tensorflow方法（基本相同的语法），使用

expand\u dims