Python Tensorflow值错误：预期展平输入具有形状：加载和处理图像的正确方法？

我尝试使用教程。好吧，我明白了

然后我用paint7.jpg，200x200px制作了这个图像

现在我想让模型试着猜出数字是多少。我尝试处理图像：

import tensorflow as tf
import numpy as np


mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# the tutorial example contains epochs=5, but 1 is to run faster and get smaller output
model.fit(x_train, y_train, epochs=1)  

img_path = "7.jpg"
img_raw = tf.io.read_file(img_path)
img_tensor = tf.image.decode_image(img_raw)
img_final = tf.image.resize(img_tensor, [28, 28])
img_final = img_final / 255.0

print("img_final.shape =", img_final.shape)
predict = model.predict(img_final)

并获得输出：

Train on 60000 samples                                                                                                                                
60000/60000 [==============================] - 3s 52us/sample - loss: 0.3013 - accuracy: 0.9120                                                       
img_final.shape = (28, 28, 3)                                                                                                                         
Traceback (most recent call last):                                                                                                                    
  File "main.py", line 33, in <module>                                                                                                                
    predict = model.predict(img_final)                                                                                                                
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 909, in predict                           
    use_multiprocessing=use_multiprocessing)                                                                                                          
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py", line 462, in predict                        
    steps=steps, callbacks=callbacks, **kwargs)                                                                                                       
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py", line 396, in _model_iteration               
    distribution_strategy=strategy)                                                                                                                   
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py", line 594, in _process_inputs                
    steps=steps)                                                                                                                                      
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 2472, in _standardize_user_data           
    exception_prefix='input')                                                                                                                         
  File "D:\user\python\tensor\venv\lib\site-packages\tensorflow_core\python\keras\engine\training_utils.py", line 574, in standardize_input_data      
    str(data_shape))                                                                                                                                  
ValueError: Error when checking input: expected flatten_input to have shape (28, 28) but got array with shape (28, 3)

和输出：

img_final.shape = (28, 28, 3)                                                                                                                         
grayscale img_final.shape = (28, 28, 1)                                                                                                               
expand_dims img_final.shape = (1, 28, 28, 1)
Traceback (most recent call last):
  File "main.py", line 42, in <module> 
    ...
ValueError: Error when checking input: expected flatten_input to have 3 dimensions, but got array with shape (1, 28, 28, 1)

---

mnist数据库只有灰度图片，因此它们只有一个颜色通道。所以是的，你必须把3个通道转换成单色，我想是RGB到灰度。你可以用

tf.image.rgb_to_grayscale(images)

---

您可以查看文档以了解更多信息：

mnist数据库只有灰度图片，因此它们只有一个颜色通道。所以是的，你必须把3个通道转换成单色，我想是RGB到灰度。你可以用

tf.image.rgb_to_grayscale(images)

---

您可以查看文档以了解更多信息：

您的模型设计为在一次运行中处理多个图像，因此它希望接收多个与训练时形状相同的图像。所以你应该用28，28，1来传递张量。你想预测一个图像，所以它应该是1，28，28，1。但是你的图像是200，200，3。由于您有一个灰度图像，您可以只拍摄第一个通道：

img_final = tf.expand_dims(img_final[:, :, :1], axis=0)

跑步预测

---

您可以使用tf.image.rgb_到_灰度，而不是使用第一个通道，如下所示。

您的模型设计为在一次运行中处理多个图像，因此它希望接收与训练时形状相同的多个图像。所以你应该用28，28，1来传递张量。你想预测一个图像，所以它应该是1，28，28，1。但是你的图像是200，200，3。由于您有一个灰度图像，您可以只拍摄第一个通道：

img_final = tf.expand_dims(img_final[:, :, :1], axis=0)

跑步预测

---

您可以使用tf.image.rgb_来设置灰度，而不是使用第一个通道，如下所示。

好的，我有灰度图像28,28,1。如何制作模型以理解图像？请参阅Updatery以从中删除tf.expand_dims函数。我认为模型试图得到一个28,28,1的形状，而tf.expand_dims将轴扩展为=0，因此它变成了1,28,28,1。如果模型仍然需要另一个图像形状1,28,28，那么你可以使用tf.reformateSensor[1,28,28]来获得它。如果我对tf.expand\u dims进行注释，我会得到值错误：检查输入时出错：期望展平\u输入具有形状28,28，但得到了具有形状28的数组，1编辑上面的注释：我认为你的答案现在已经存在了，我有灰度图像28，28，1。如何制作模型以理解图像？请参阅Updatery以从中删除tf.expand_dims函数。我认为模型试图得到一个28,28,1的形状，而tf.expand_dims将轴扩展为=0，因此它变成了1,28,28,1。如果模型仍然需要另一个图像形状1,28,28，那么你可以使用tf.reformateSensor[1,28,28]来获得它。如果我对tf.expand\u dims进行注释，我会得到值错误：检查输入时出错：期望展平\u输入具有形状28,28，但获得了具有形状28的数组，1编辑了上面的注释：我想你的答案现在在那里我有形状1,28的图像，28，rgb_后1到_灰度并展开_dims。但是模型不理解它，请参见更新。您可以使用tf.squezeimg_final，axis=3删除最后一个维度并获得1、28、28或更改tf.keras.layers.flattinput_shape=28、28到28、28、1的输入形状。顺便说一句，您不再需要img_final[：，：，：1]，因为您已经使用了tf.image.rgb_来显示灰度。它已经是28、28、1了，我在rgb_到_灰度和展开_dims后有形状为1、28、28、1的图像。但是模型不理解它，请参见更新。您可以使用tf.squezeimg_final，axis=3删除最后一个维度并获得1、28、28或更改tf.keras.layers.flattinput_shape=28、28到28、28、1的输入形状。顺便说一句，您不再需要img_final[：，：，：1]，因为您已经使用了tf.image.rgb_来显示灰度。已经是28,28,1了