keras：expected density_1_input具有2维

Question

from keras import optimizers
from keras.models import load_model
from keras.preprocessing import image
import numpy as np
import scipy.misc
from keras.wrappers.scikit_learn import KerasClassifier
# dimensions of our images
img_width, img_height = 313, 220

# load the model we saved
model = load_model('hmodel.h5')
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy','mse'])

test_image= image.load_img('/Images/1.jpg',target_size = (img_width, img_height))
x= scipy.misc.imread('/Images/1.jpg').shape
print x
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis = 0)
test_image = test_image.reshape(img_width, img_height,3)
result = model.predict(test_image)

print result

当我运行此代码时，出现此错误：

/keras/engine/training.py“，行_standardize_input_data'具有形状'+ str（data_shape））中的第113行，ValueError：检查时出错：预期density_1_input具有2个维，但是数组的形状为（313，220，3） 。

我的第一个print显示： (313, 220, 3) 。

如何解决此错误。

Answer 1

您的第一层Dense(150,kernel_initializer='normal', input_dim=36, activation='relu')期望输入具有2个维度： (*, 36) （第一个维度对应于您的批次大小）。

但是，您的输入x实际上具有3个维度-正确匹配后将有4个维度： (*, 313, 220, 3) 。

如果要让Dense层接受此类输入，则可以使用参数input_shape=(313, 220, 3)代替input_dim=36 。

---

备注：您没有正确批处理图像。

test_image= image.load_img('/Images/1.jpg',target_size = (img_width, img_height))
test_image = image.img_to_array(test_image)       # shape = (313, 220, 3)
test_image = np.expand_dims(test_image, axis = 0) # shape = (1, 313, 220, 3)
# Remove this line below, as it would set back shape to (313, 220, 3)
# test_image = test_image.reshape(img_width, img_height,3)
result = model.predict(test_image)