Python Tensorflow——多幅图像的批量预测

我有一个

faces

列表，其中列表的每个元素都是一个具有形状（1224224,3）的numpy数组，即一个人脸图像。我有一个模型，它的输入形状是

（None，224，224，3）

，输出形状是

（None，2）

现在我想对

faces

列表中的所有图像进行预测。当然，我可以遍历列表并逐个获得预测，但我希望将所有图像作为一个批处理，只需调用一次

model.predict（）

，即可更快地获得结果

如果我像现在一样直接传递faces列表（最后完成代码），我只会得到第一张图像的预测

print(f"{len(faces)} faces found")
print(faces[0].shape)
maskPreds = model.predict(faces)
print(maskPreds)

输出：

3 faces found
(1, 224, 224, 3)
[[0.9421933  0.05780665]]

但3幅图像的

遮罩应该是：

[[0.9421933  0.05780665], 
 [0.01584494 0.98415506], 
 [0.09914105 0.9008589 ]] 

完整代码：

从tensorflow.keras.models导入负荷模型
从cvlib导入检测面部
进口cv2
将numpy作为np导入
def detectAllFaces（帧）：
dets=检测面（帧）
方框=数据段[0]
机密=详细信息[1]
面=[]
对于盒子，自信拉链（盒子，自信）：
startX，startY，endX，endY=box
cv2.矩形（帧，（startX，startY），（endX，endY），（0，255，0），1）
面=帧[起点：终点，起点：终点]
面=cv2。调整大小（面，（224224）
面=np。展开尺寸（面，轴=0）#将（224224,3）转换为（1224224,3）
面。附加（面）
返回面、框架
模型=加载模型（“掩模检测器.模型”）
vs=cv2.视频捕获（0）
model.summary（）
尽管如此：
ret，frame=vs.read（）
如果不是ret：
打破
面，帧=检测面（帧）
如果透镜（面）：
打印（f“{len（faces）}找到面”）
maskpredict=model.predict（faces）#在这种情况下，
model.predict（）
函数的输入需要作为形状（N，224，224，3）的numpy数组给出，其中N是输入图像的数量

为了实现这一点，我们可以将N大小为（1224224，3）的单个numpy数组堆叠成一个大小为（N，224224224，3）的数组，然后将其传递给
model.predict（）
函数

maskPreds=model.predict（np.vstack（faces））
您的网络是否在批量大于1的输入上工作<代码>面[0]。形状
具有形状

（1224224,3）。形状不应该改为

（2242242243）

吗？你能把输入张量的形状贴出来吗？我不懂下一票。请告诉我如何改进这个问题。如果输入层的形状是

（None，224，224，3）

，为什么是

面[0]。形状是
（1224，224，3）
？它不应该是
（2242243）
，这样当三个这样的面被添加到一个列表中时-
[面，面，面]
，面的形状可以被解释为
（3222243）
？我已经编辑了整个问题，并包含了所有细节
ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (224, 224, 3)