Python 将图像输入已经训练好的TensorFlow CNN

我对Python有些陌生，对TensorFlow也很陌生。我已经学习了几本教程，我一直坚持着这一点。训练进行得很好，我有一个保存的模型。现在我想加载该模型，并将我自己的一幅图像输入其中。以下是我的尝试：

import tensorflow as tf
import cv2
from tensorflow import keras
model = tf.keras.models.load_model('rps.h5')
model.summary()

img = cv2.imread('my_hand_paper.png')
print(model.predict_classes(img))

但我得到了以下错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [None, 300, 3]

我的图像是300x300，就像训练图像一样。我想问题是，我必须以类似于训练数据的方式准备图像，但我不确定如何准备。培训数据是这样准备的：

training_datagen = ImageDataGenerator(
  rescale = 1./255,
  rotation_range=40,
  width_shift_range=0.2,
  height_shift_range=0.2,
  shear_range=0.2,
  zoom_range=0.2,
  horizontal_flip=True,
  fill_mode='nearest')

train_generator = training_datagen.flow_from_directory(
  TRAINING_DIR,
  target_size=(150,150),
  class_mode='categorical',
  batch_size=126)

summary（）的输出：

---

当您想在推理中使用网络时，仍然必须使用批大小。在您的情况下，批大小为1

可以使用以下代码添加批次：

img = cv2.resize(img, (150,150))    
img = tf.expand_dims(img , 0)

---

当您想在推理中使用网络时，仍然必须使用批大小。在您的情况下，批大小为1

可以使用以下代码添加批次：

img = cv2.resize(img, (150,150))    
img = tf.expand_dims(img , 0)

---

将图像重塑为[1300,300,3]（批量大小为1）将图像重塑为[1300,300,3]（批量大小为1）感谢您的回复！在读取图像后放置该行之后，我得到以下错误。ValueError:layer dense的输入0与层不兼容：输入形状的轴-1应具有值6272，但从colab和ImageDataGenerator接收到形状为[None，32768]的输入，网络的输入为150x150，而不是300x300。另外，你能在你的文章描述中添加摘要输出吗？是的，这让我很困惑，因为训练图像的大小实际上是300x300。你网络的输入大小是150x150。ImageDataGenerator将所有图像的大小调整为150x150。因此，为了使事情顺利进行，您可以在展开dims之前使用img=cv2.resize（img，（150150））。感谢您的回复！在读取图像后放置该行之后，我得到以下错误。ValueError:layer dense的输入0与层不兼容：输入形状的轴-1应具有值6272，但从colab和ImageDataGenerator接收到形状为[None，32768]的输入，网络的输入为150x150，而不是300x300。另外，你能在你的文章描述中添加摘要输出吗？是的，这让我很困惑，因为训练图像的大小实际上是300x300。你网络的输入大小是150x150。ImageDataGenerator将所有图像的大小调整为150x150。因此，为了使事情顺利进行，可以在展开DIM之前使用img=cv2.resize（img，（150150））。