AttributeError:“列表”对象在转换为数组时没有属性“形状”

Question

我试图预测类，但它给了我这个错误。

--------------------------------------------------------------------------- 属性错误跟踪（最近的调用最后）在30 im=ImageG<--205,45,585,555)) 31im.saveimg.jpg ') ---

#######################################################################################################################################################

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2。py in predict（self、model、x、批处理大小、冗余、步骤、回调、最大队列大小、worker、use\u多处理、**kwargs）496模型、ModeKeys。PREDICT，x=x，batch\u size=batch\u size，verbose=verbose，497步=steps，回调=callbacks，max\u queue\u size=max\u queue\u size--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2。py in_model_迭代（self、model、mode、x、y、批量大小、详细程度、样本权重、步骤、回调、最大队列大小、工作线程、使用多处理、**kwargs）424最大队列大小=最大队列大小，425个工作线程=工作线程--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2。py输入过程输入（模型、模式、x、y、批量大小、年代、样本权重、类权重、随机、步骤、分布策略、最大队列大小、工作人员、使用多处理）644标准化函数=无645 x、y、样本权重=标准化（--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training。py-in-标准化用户数据（self，x，y，sample，weight，class，batch，size，check，steps，steps，name，steps，validation，split，shuffle，extract，tensors，from，dataset）2344首先，如果需要的话，我们可以动态构建模型。2345如果不是自我。投入：-

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\keras\Engine\training.py_build_model_with_inputs（自身，输入，目标）2570其他：
2571cast_inputs=输入-

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\keras\引擎\training.py_set_inputs（自我，输入，输出，训练）2645第一层不是FeatureLayer。2646""-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\training\tracking\base。py in_方法_包装（self，*args，**kwargs）455 self_self_setattr_tracking=False#pylint:disable=protected access 456 try:--

~\anaconda3\envs\tf\lib\site包\tensorflow_core\python\keras\Engine\training.py_set_input_attrs（自己，输入）2684input_shape=（无，）2685其他：-

AttributeError:“列表”对象没有属性“形状”

import cv2
import tensorflow as tf
import numpy as np

CATEGORIES = ["gas","back","both"]


def prepare(filepath):
    IMG_SIZE = 256
    img_array = cv2.imread(filepath)
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
    img = np.reshape(new_array,[1,256,256,3])
    return img


model = tf.keras.models.load_model("trained.model")

prediction = model.predict_classes([prepare('img.jpg')])
print(CATEGORIES[int(prediction[0])])

Answer 1

你传递一个列表给model.predict_classes试着给它一个Numpy数组：

prediction = model.predict_classes(prepare('img.jpg'))

编辑：显然，你的准备函数已经有了批次大小的第一个暗淡，所以我删除了[np.newaxis，：]