Python TensorFlow/Keras模型在尝试预测时出错，引用了形状不匹配，尽管我提供的形状似乎正确

我不确定我是否理解不了输入张量的概念，或者我是否用错误的输入形状训练了模型，或者我是否需要以某种方式指定图像

模型构建如下：

... import all the usual libraries - TF, Keras, Numpy, OpenCV etc. ...
_MODEL_DIMENSION = 128

def create_model_for_dimension(dimension):
    model = Sequential()
    if dimension >= 256:
        model.add(Conv2D(256, kernel_size=(5, 5), input_shape=(dimension, dimension, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))
    if dimension >= 128:
        model.add(Conv2D(128, kernel_size=(3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))
…… more convolution layers ……..
…………………………………………..
……………………………………………..
    model.add(Flatten())
……… More layers …………………
……………………………………………..
……………………………………………..

    model.add(Dense(2))
    model.add(Activation('sigmoid'))

    model.compile(loss='categorical_crossentropy',
                  optimizer=tf.keras.optimizers.Adam(),
                  metrics=['accuracy'])
    return model

train_datagen = ImageDataGenerator(
        rotation_range=10,
        width_shift_range=0.2,
        height_shift_range=0.2,
        rescale=1./255,
        shear_range=0.2,
        zoom_range=1.2,
        horizontal_flip=True,
        vertical_flip=True,
        fill_mode='nearest')

train_generator = train_datagen.flow_from_directory(
        train_data_directory, 
        target_size=(_MODEL_DIMENSION, _MODEL_DIMENSION),
        batch_size=_BATCH_SIZE,
        class_mode='categorical')

……… validate_generator …………………
……………………………………………………
………………………………………………………
……… test_generator ………………………
………………………………………………………
………………………………………………………

……… train and save the model ……

ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [32, 128, 3]

当我训练并使用它预测目录中的图像时，一切都正常（或者至少看起来正常）。但我随后尝试以以下方式输入图像，而不使用ImageDataGenerator：

首先，我使用OpenCV读取图像（我希望使用OpenCV进行其他处理，所以我不使用PIL）

然后我使用范围裁剪图像

cropped_area = snapshot[y[0]:y[1], x[0]:x[1]]

然后我使用如下模型进行评分。我还尝试了np.array转换以外的变体

score_val = model.predict(np.array(cropped_area/255.0))

此时会出现如下错误：

... import all the usual libraries - TF, Keras, Numpy, OpenCV etc. ...
_MODEL_DIMENSION = 128

def create_model_for_dimension(dimension):
    model = Sequential()
    if dimension >= 256:
        model.add(Conv2D(256, kernel_size=(5, 5), input_shape=(dimension, dimension, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))
    if dimension >= 128:
        model.add(Conv2D(128, kernel_size=(3, 3)))
        model.add(Activation('relu'))
        model.add(MaxPooling2D(pool_size=(2, 2)))
…… more convolution layers ……..
…………………………………………..
……………………………………………..
    model.add(Flatten())
……… More layers …………………
……………………………………………..
……………………………………………..

    model.add(Dense(2))
    model.add(Activation('sigmoid'))

    model.compile(loss='categorical_crossentropy',
                  optimizer=tf.keras.optimizers.Adam(),
                  metrics=['accuracy'])
    return model

train_datagen = ImageDataGenerator(
        rotation_range=10,
        width_shift_range=0.2,
        height_shift_range=0.2,
        rescale=1./255,
        shear_range=0.2,
        zoom_range=1.2,
        horizontal_flip=True,
        vertical_flip=True,
        fill_mode='nearest')

train_generator = train_datagen.flow_from_directory(
        train_data_directory, 
        target_size=(_MODEL_DIMENSION, _MODEL_DIMENSION),
        batch_size=_BATCH_SIZE,
        class_mode='categorical')

……… validate_generator …………………
……………………………………………………
………………………………………………………
……… test_generator ………………………
………………………………………………………
………………………………………………………

……… train and save the model ……

ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [32, 128, 3]

我的图像的形状是（128，128，3），我做的所有检查似乎都证实了我一直在给它喂食

---

任何指点都将不胜感激，因为我花了一天的大部分时间试图解决这个问题！谢谢

您设置了

\u MODEL\u DIMENSION=128

这导致了

if dimension >= 128:
        model.add(Conv2D(128, kernel_size=(3, 3)))

您没有设置输入形状，因此，根据设置，预期输入将为：

输入形状

带形状的4D张量：（批次、通道、行、列）如果数据_格式为“通道_优先”，或带形状的4D张量：（批次、行、列、列）如果数据_格式为“通道_最后”

您的输入不适合，因此出现错误

预期ndim=4，发现ndim=3

解决方案是定义一个已存在于代码中的输入形状：

if dimension >= 256:
        model.add(Conv2D(256, kernel_size=(5, 5), input_shape=(dimension, dimension, 3)))

---

您的数据缺少批次维度。您的模型需要4D数据，而不是3D数据

---

您的图像形状应该是

（1128128,3）

这就是问题所在，谢谢。我们学到的经验是，不要通过参数化模型来减少代码行数，尤其是在不同大小的代码处理方式不同的情况下。