Python tensorflow重塑和调整图层大小时出错

在使用Conv2D和其他层之前，我想在第一层中重塑和调整图像的大小。输入将是一个平坦的数组。这是我的密码：

#Create flat example image:
img_test = np.zeros((120,160))
img_test_flat = img_test.flatten()

reshape_model = Sequential()
reshape_model.add(tf.keras.layers.InputLayer(input_shape=(img_test_flat.shape)))
reshape_model.add(tf.keras.layers.Reshape((120, 160,1)))
reshape_model.add(tf.keras.layers.experimental.preprocessing.Resizing(28, 28, interpolation='nearest'))

result = reshape_model(img_test_flat)
result.shape

不幸的是，这段代码导致了我在下面添加的错误。问题是什么？如何正确调整展平阵列的形状和大小

    WARNING:tensorflow:Model was constructed with shape (None, 19200) for input Tensor("input_13:0", shape=(None, 19200), dtype=float32), but it was called on an input with incompatible shape (19200,).

InvalidArgumentError: Input to reshape is a tensor with 19200 values, but the requested shape has 368640000 [Op:Reshape]

编辑： 我试过：

这给了我：

WARNING:tensorflow:Model was constructed with shape (None, None, 19200) for input Tensor("input_19:0", shape=(None, None, 19200), dtype=float32), but it was called on an input with incompatible shape (19200,).

编辑2： 我从C++数组中接收C++中的输入，并将其传递给

  // Copy value to input buffer (tensor)
  for (size_t i = 0; i < fb->len; i++){
    model_input->data.i32[i] = (int32_t) (fb->buf[i]);

//将值复制到输入缓冲区（张量）
对于（大小i=0；ilen；i++）{
模型输入->数据.i32[i]=（int32_t）（fb->buf[i]）；

---

因此，我传递给模型的是一个平面阵列。

您使用的形状在这里根本没有意义。您输入的第一个维度应该是样本数。它应该是19200，还是1个样本

input_shape

应省略样本数，因此如果需要1个样本，则输入的形状应为19200。如果有19200个样本，则形状应为1

重塑层也省略了样本数量，所以Keras感到困惑。你到底想做什么

这似乎是您试图实现的大致目标，但我个人会在神经网络之外调整图像的大小：

import numpy as np
import tensorflow as tf

img_test = np.zeros((120,160)).astype(np.float32)
img_test_flat = img_test.reshape(1, -1)

reshape_model = tf.keras.Sequential()
reshape_model.add(tf.keras.layers.InputLayer(input_shape=(img_test_flat.shape[1:])))
reshape_model.add(tf.keras.layers.Reshape((120, 160,1)))
reshape_model.add(tf.keras.layers.Lambda(lambda x: tf.image.resize(x, (28, 28))))

result = reshape_model(img_test_flat)

print(result.shape)

---

请随意使用

调整大小

层而不是

Lambda

层，由于我的Tensorflow版本，我不能使用它。

Keras模型总是希望批量输入，因此保留

输入形状

的第一个维度来表示批量大小。因此，这里您应该更改为

输入形状=（无，img\u test\u flat.shape）

。你能尝试更新吗？我更新了帖子我不确定我需要调整哪些值，你能发布一个示例吗？我有一个19200个值的数组（用（120160）展平的图像）并想将其传递到Conv2D层。在此之前，我想将大小减小到28*28，因此Conv2D的输入为（28,28,1）。非常感谢！我将在微控制器上使用tflite，因此无法使用img_test_flat=img_test。重塑（1，-1），但只能将扁平阵列传递到模型。这就是为什么（据我所知）所有的重塑都需要按顺序进行。有没有办法做到这一点？我一直遇到错误。没有办法将2D数据传递到网络中？例如，

（119200）

？1D会使它变得更加复杂

import numpy as np
import tensorflow as tf

img_test = np.zeros((120,160)).astype(np.float32)
img_test_flat = img_test.reshape(1, -1)

reshape_model = tf.keras.Sequential()
reshape_model.add(tf.keras.layers.InputLayer(input_shape=(img_test_flat.shape[1:])))
reshape_model.add(tf.keras.layers.Reshape((120, 160,1)))
reshape_model.add(tf.keras.layers.Lambda(lambda x: tf.image.resize(x, (28, 28))))

result = reshape_model(img_test_flat)

print(result.shape)

TensorShape([1, 28, 28, 1])