Python ValueError:找不到可以处理输入的数据适配器：<；类别'；非类型'>&书信电报；类别'；非类型'&燃气轮机；在keras模型中，预测

我在Keras制作了一个CNN模型，并将其保存为“model.h5”。它的输入形状为128x128。现在，我在一个新的文件中，试图用这个模型进行预测。以下是我到目前为止所做的：

import keras
from keras.preprocessing.image import load_img, img_to_array 
from keras.models import load_model
import PIL

img = load_img("img.jpg")

img = img_to_array(img) 

img = img.resize((128, 128))

model = load_model('model.h5')

model.summary()

abc = model.predict(img)

print(abc)

这是我的错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-3-e23dbdb3fe22> in <module>()
     14 model.summary()
     15 
---> 16 abc = model.predict(img)
     17 
     18 print(abc)

3 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/data_adapter.py in select_data_adapter(x, y)
    969         "Failed to find data adapter that can handle "
    970         "input: {}, {}".format(
--> 971             _type_name(x), _type_name(y)))
    972   elif len(adapter_cls) > 1:
    973     raise RuntimeError(

ValueError: Failed to find data adapter that can handle input: <class 'NoneType'>, <class 'NoneType'>

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
14.范本摘要（）
15
--->16 abc=模型预测（img）
17
18印刷（abc）
3帧
/选择数据适配器（x，y）中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/data\u adapter.py
969“找不到可处理的数据适配器”
970“输入：{}，{}”。格式(
-->971（类型名称（x），（类型名称（y）））
972 elif透镜（适配器cls）>1：
973 raise运行时错误(
ValueError:找不到可以处理输入的数据适配器：，

任何帮助都将不胜感激

---

提前感谢

您正试图在此行之后调整img阵列的大小：

img = img_to_array(img) 

img=img到img阵列（img）

您可能正在尝试使用“重新调整数组形状”而不是“调整大小”。如果要调整加载的图像的大小，可能需要在将其转换为数组之前执行此操作，即在此行之前：

img = img_to_array(img) 

更新：

您试图在用于图像对象的数组上使用resize函数。因此，它返回的是NoneType，这反过来又导致了问题

另一件事是，您的模型需要一个4维向量（使用您提供的文件进行检查）作为输入，并且您正在以非类型传递它。此外，如果您希望PIL的resize函数将数组重塑为128*128，那么它仍然是一个二维向量，因此给出了使用resize而不是resize的错误

您可以通过以下更改使代码正常工作：

img = load_img("img.jpg")
img = img.resize((128, 128))
img = img_to_array(img) 

img = img.reshape( -1,128, 128,3)

print(img.shape)
model = load_model('hotdogs.h5')
model.summary()
abc = model.predict(img)

print(abc)

这里，使用“重塑”将输入数组转换为模型所需的4维数组

---

我希望这能有所帮助。我是StackOverflow的新手。如果你觉得这个答案有帮助的话，你能给我一票，这将是一个激励。从Tensorflow导入Keras为我解决了这个问题

from tensorflow.keras.preprocessing.image import load_img, img_to_array 
from tensorflow.keras.models import load_model

---

由于这取决于从计算机读取文件，因此您的问题不符合可复制标准。您应该验证

img

是否为128x128图像。如果您有Spyder，您可以转到变量资源管理器查看它是什么。其他选项可能是打印它或打印

img.shape

。我尝试了img.shape。它不起作用。然后我打印了img。它显示了一个不起作用的。它给出了一个形状错误。之前我没有形状错误。只有一个在predict中。这意味着它在成为阵列之前真的不需要调整大小。如果你能提供你的模型文件和图像文件，这样我就可以复制和本地化代码，帮助你更好。好的，但不是吗这里没有共享文件的选项。你可以上传到google drive并共享linkOk。这是一个分类热狗而不是热狗的模型。这是一个模型，你可以从互联网上获取任何热狗图片