如何解決：ValueError：檢查輸入時出錯：期望flatten_input具有3個維，但數組的形狀為（28，28）

Question

我正在嘗試將自己的圖像輸入到mnist模型中

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test, y_test)
model.predict(gray)

灰色是形狀為（28,28）的圖像，但是我收到一個錯誤，指出即使輸入形狀為（28,28），該模型也需要3個尺寸。

如果我執行gray.reshape（1,28,28），該代碼將起作用，但是我不知道為什么會起作用，或者這是否是此問題的正確解決方案。

Answer 1

該model實例需要一批圖像。 這是在此行上指定的：

tf.keras.layers.Flatten(input_shape=(28, 28))

當您指定input_shape=(28, 28) ，您基本上是在告訴Tensorflow您將收到一批輸入，其中批處理中的每個元素都將具有28 x 28形狀。 因此，添加圖像時，請確保擴大其尺寸：

gray = np.expand_dims(gray, axis=0)

然后，您可以放心地執行以下操作：

model.predict(gray)

---

此外，在這種情況下，您可以使用np.reshape 。 但是，該方法有不同的用途，因此我會堅持使用np.expand_dims 。 這是證明它們相等的證明：

X = np.random.rand(28, 28)
np.testing.assert_array_equal(np.expand_dims(X, axis=0), np.reshape(X (1, 28, 28)))
# The assert passes