上载图像以使用keras进行预测时出现错误消息

Question

上传图像做预测时出错html" target="_blank">消息

ValueError：层block1\u conv1的输入0与层不兼容：输入形状的ed轴-1应具有值3，但接收到带有形状的输入[无，2 24，224，4]

代码处理/图像预处理

def model\U predict（img，模型）：img=img。调整大小（（224224））

# Preprocessing the image
x = image.img_to_array(img)
x = np.true_divide(x, 255)
x = np.expand_dims(x, axis=0)

# Be careful how your trained model deals with the input
# otherwise, it won't make correct prediction!
x = preprocess_input(x, mode='tf')

preds = model.predict(x)
return preds

培训课程的产出

flow/compiler/xla/service/service.cc:176]StreamExecitor设备（0）： Host， Def ault版本编译模型...模型有14716227个参数模型："模型"

input\u 1（InputLayer）[（无，224，224，3）]0

block1\u conv1（Conv2D）（无、224、224、64）1792

block1_conv2（Conv2D）（无，224, 224, 64) 36928

block1\u池（MaxPoolig2D）（无、112、112、64）0

block2\u conv1（Conv2D）（无、112、112、128）73856

block2\u conv2（Conv2D）（无、112、112、128）147584

block2_pool（MaxPooling2D）（无，56, 56, 128) 0

block3_conv1（Conv2D）（无，56, 56, 256) 295168

block3_conv2（Conv2D）（无，56, 56, 256) 590080

block3_conv3（Conv2D）（无，56, 56, 256) 590080

block3\u池（MaxPoolig2D）（无、28、28、256）0

block4_conv1（Conv2D）（无，28, 28, 512) 1180160

block4\u conv2（Conv2D）（无、28、28、512）2359808

block4\u conv3（Conv2D）（无、28、28、512）2359808

block4\u池（MaxPoolig2D）（无、14、14、512）0

block5\u conv1（Conv2D）（无、14、14、512）2359808

block5\u conv2（Conv2D）（无、14、14、512）2359808

block5\u conv3（Conv2D）（无、14、14、512）2359808

block5\u池（MaxPoolig2D）（无、7、7、512）0

tf_op_layer_Mean（TensorFlow[（无，512）] 0

Dropout（Dropout）（无，512）0

Answer 1

因为您尝试为模型提供4通道图像。请在将图像转换为阵列后使用firts 3通道。

Preprocessing the image
x = image.img_to_array(img)
x = img[:, :, :3]
x = np.true_divide(x, 255)
x = np.expand_dims(x, axis=0)

Answer 2

如果要使用batch training and testing部分，您应该明确地签出ImageDataGenerator。它不仅可以帮助您创建批次，还可以帮助您进行图像增强（艺术使您的模型更加健壮）。它为您提供了一个参数，如“重新缩放”（rescale）和“预处理”（preprocess\u）函数，您可以轻松地将其设置为“重新缩放”（rescale）为1/255。，preprocessing\u函数=preprocess\u输入，

您的代码在通道部分有问题。如果您使用的是上一次使用的通道，则它已经接受了关于3个通道数据的培训（批次、宽度、高度，3），并且当您试图通过数据进行测试时，它显示错误。

在这种情况下，您应该删除alpha通道。请检查ImageData生成器。所有flow_from_dataframe、flow_from_directory和flow中都有一个参数，作为color_mode='rgb这是默认的。

否则，您可以按以下方式打开图像：

from PIL import Image
img = Image.open(img_path).convert('RGB') # get RGB PNG image
img = np.array(img) # Convert to numpy array
img = np.expand_dims(x, axis=0) # add an extra dimension for batch

然后，您可以应用预处理功能

img = preprocess_input(img, mode='tf')

preds = model.predict(img)
return preds

注意：如果要使用单个图像，则应使用numpy的重塑或展开dims方法创建额外的批处理轴，因为Keras总是需要批处理。