ValueError：层 sequential_3 的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。 已收到完整形状：（无、224、256）

Question

我是 Keras 的新手，我正在尝试创建一个将(224,256,1)大小的图像作为输入的 CNN。

这是我不断收到的错误：

    ValueError: Input 0 of layer sequential_5 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (None, 224, 256)

我对该错误的解释是，该层获得的数据具有 3 个维度，而该层至少需要 4 个维度。 根据 keras 文档，输入形状应为(batch size, x, y, channels) 。 我只使用单个图像，因为我认为批量大小应该只是1 。

这是制作 model 的代码：

model = keras.Sequential([
                          keras.layers.Conv2D(filters=32, kernel_size=(3,3), activation="relu", padding='same', input_shape=(224,256,1), data_format='channels_last'),
                          keras.layers.MaxPool2D(pool_size=(2,2), padding='same'), 
                          keras.layers.Conv2D(filters=64, kernel_size=(3,3), activation='relu', padding='same'),
                          keras.layers.MaxPool2D(pool_size=(2,2), padding='same'), 
                          keras.layers.Flatten(),
                          keras.layers.Dense(8, activation="softmax")
])

这是预测代码：

img = get_image()
img = convert_to_greyscale(img)
img = tf.expand_dims(img, axis=0) # add dimension to represent batch to the front
prediction = model.predict(img) # ValueError Input 0 of sequential_3 ...

如果您需要更多信息，请告诉我，谢谢！

Answer 1

您需要向图像添加one dimension ，然后像下面那样batch扩展expand_dims ：（将图像调整为模型的大小）

from skimage import io
img = io.imread('1.jpeg', as_gray=True)[...,None]
img = tf.image.resize(img, [224, 256])
# ------------------------- ^^^  ^^^ this is size of your input model
img = tf.expand_dims(img, axis=0)
model.predict(img) 

Output：

array([[0.1329774 , 0.1408476 , 0.13449876, 0.10563403, 0.11976303,
        0.12162709, 0.12393728, 0.12071485]], dtype=float32)