Python ValueError：检查输入时出错：预期conv2d_3_输入具有形状（100100,1），但获得具有形状（100100,3）的数组

当我尝试为图像识别编码神经网络时，我得到了错误：

ValueError：检查输入时出错：预期conv2d_3_输入具有形状（100100,1），但获得具有形状（100100,3）的数组

我所有的图像都是

greyscale

，大小

100x100

像素。 代码如下：

#导入Keras库和包
导入tensorflow作为tf
从keras.models导入顺序
从keras.layers导入Conv2D
从keras.layers导入MaxPoolig2D
从keras.layers导入展平
从keras.layers导入稠密
#初始化CNN
分类器=顺序（）
#步骤1-卷积
add（Conv2D（32，（3，3），input_shape=（100100，1），activation='relu'））
#步骤2-池
add（MaxPoolig2D（池大小=（2,2）））
#添加第二个卷积层
add（Conv2D（32，（3，3），activation='relu'））
add（MaxPoolig2D（池大小=（2,2）））
#步骤3-展平
添加（展平（））
#步骤4-完全连接
add（密集（单位=128，激活=relu'））
add（稠密（单位=1，激活='sigmoid'））
#编辑CNN
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['accurity']）
#第2部分-将CNN与图像匹配
从keras.preprocessing.image导入ImageDataGenerator
列车数据发生器=图像数据发生器（重缩放=1./255，
剪切范围=0.2，
缩放范围=0.2，
水平（翻转=真）
test_datagen=ImageDataGenerator（重缩放=1./255）
training\u set=train\u datagen.flow\u from\u目录（'E:/exercise/dataset/train'，
目标_大小=（100100），
批次大小=32，
color\u mode=“灰度”，
class_模式='binary'）
test\u set=test\u datagen.flow\u来自目录（'E:/exercise/dataset/test'，
目标_大小=（100100），
color\u mode=“灰度”，
批次大小=32，
class_模式='binary'）
分类器。装配发生器（训练集，
每个历元的步数=40，
纪元=10，
验证数据=测试集，
验证（步骤=8）
将numpy作为np导入
从keras.preprocessing导入图像
test\u image=image.load\u img（'E:/exercise/predict\u 2.jpg'，target\u size=（100100））
test_image=image.img_到_数组（test_image）
测试图像=np。展开图像（测试图像，轴=0）
结果=分类器。预测（测试图像）
训练集类指数
如果结果[0][0]>=0.5:prediction='happy'
其他：预测=‘悲伤’
打印（预测）

尝试将参数

预处理功能=灰色添加到\u rgb

到

图像数据生成器

，用于

列车数据发生器

和

测试数据发生器

，如下所示：

def rgb_to_gray(rgb):     # Using the luminosity formula: grayscale =  0.21 R + 0.72 G + 0.07 B
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True,
preprocessing_function=rgb_to_gray)
test_datagen = ImageDataGenerator(rescale = 1./255, preprocessing_function=rgb_to_gray)

---

尝试将参数

train\u datagen

和

test\u datagen

添加到

ImageDataGenerator

，如下所示：

def rgb_to_gray(rgb):     # Using the luminosity formula: grayscale =  0.21 R + 0.72 G + 0.07 B
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True,
preprocessing_function=rgb_to_gray)
test_datagen = ImageDataGenerator(rescale = 1./255, preprocessing_function=rgb_to_gray)

---

谢谢你的帮助。但是当我运行代码时，出现了另一个问题，即ValueError:shapes（100100,1）和（3，）未对齐：1（dim2）！=3（0）谢谢你的帮助。但是当我运行代码时，出现了另一个问题，即ValueError:shapes（100100,1）和（3，）未对齐：1（dim2）！=3（尺寸0）