Python 创建Tensorflow模型，该模型接受tensor图像作为模型的输入

我正在为图像分类模型使用以下配置：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(100, 100, 3)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

如果打印model.inputs，则返回

[<tf.Tensor 'flatten_input:0' shape=(None, 100, 100, 3) dtype=float32>]

若我通过张量图像，我得到下面的误差

WARNING:tensorflow:Model was constructed with shape (None, 100, 100, 3) for input Tensor("flatten_input:0", shape=(None, 100, 100, 3), dtype=float32), but it was called on an input with incompatible shape (1, 886, 685, 3).
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)

我只是想知道我应该更新到模型中哪些Keras层和输入参数，以便它可以接受张量图像作为输入。

---

任何帮助都将不胜感激。谢谢

定义你的模型时，你需要告诉keras你图片的通道数：1个用于黑白图片，3个用于RGB

所以你需要写：

keras.layers.Flatten(input_shape=(1, 100, 100, 3)) for a 1 channel picture

我还注意到，您没有为最后一层定义激活函数：

keras.layers.Dense（10）

，如果您将损失定义为交叉熵，则需要获得一些概率作为网络的输出，例如

keras.layers.Dense（10，activation='softmax'）

---

希望你能明白这是一个警告，不是错误，只是一些语义。警告确实指出了一个真正的问题

---

您的模型使用形状

（100100,3）

拍摄图像，您使用形状

（886865,3）

为其提供输入。空间尺寸不匹配，您需要将图像调整为大小

100x100

该消息是警告，而不是错误，并且它清楚地表明图像应该是（100100,3），但您的图像是（886865,3）。您需要将图像大小调整为100x100ah！谢谢我会更新并再次检查。

keras.layers.Flatten(input_shape=(1, 100, 100, 3)) for a 1 channel picture