keras：expected density_1_input具有2維

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

當我運行此代碼時，出現此錯誤：

/keras/engine/training.py“，行_standardize_input_data'具有形狀'+ str（data_shape））中的第113行，ValueError：檢查時出錯：預期density_1_input具有2個維，但是數組的形狀為（313，220，3） 。

我的第一個print顯示： (313, 220, 3) 。

如何解決此錯誤。

Answer 1

您的第一層Dense(150,kernel_initializer='normal', input_dim=36, activation='relu')期望輸入具有2個維度： (*, 36) （第一個維度對應於您的批次大小）。

但是，您的輸入x實際上具有3個維度-正確匹配后將有4個維度： (*, 313, 220, 3) 。

如果要讓Dense層接受此類輸入，則可以使用參數input_shape=(313, 220, 3)代替input_dim=36 。

---

備注：您沒有正確批處理圖像。

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)