ValueError:Tensor（“输入：0”，形状=（无，256，256，3），数据类型=uint8）

Question

我不知道如何解决这个错误，我也试着把它转换成float32

import cv2
import tensorflow as tf
import numpy as np

CATEGORIES = ["gas", "break","stop"]

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


def prepare(filepath):
    IMG_SIZE = 256  # 50 in txt-based
    img_array = cv2.imread(filepath)
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
    arr=new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 3)
    return arr

x=prepare('img.jpg')
x = tf.keras.utils.normalize(x, axis=1)
x = x.astype('float32') 
print(x.dtype)
prediction = model.predict([x])
print(prediction)  # will be a list in a list.
print(CATEGORIES[np.argmax(prediction[0])])

Float32 --------------------------------------------------------------------------- ValueError Traceback（最近的调用最后）在11 x=x.astype（Float32）12 print（x.dtype）---

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

~\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，batch_size，verbose，sample_weight，steps，callbacks，max_queue_size，workers，use_multiprocessing，**kwargs）473 mode=mode，474 training_context=training_context--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2。py以批处理日志的形式运行（模型、迭代器、执行函数、数据集大小、批处理大小、策略、每批处理的步数、样本数、模式、训练上下文、总记录）126步=步、模式=模式、大小=当前批处理大小：127 try:--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils。执行函数（输入函数）中的py 96#numpy以急切模式将张量转换为值。97回巢。映射结构（_非_无_常量_值---

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\def\u函数。调用中的py（self，*args，**kwds）566 xla\u上下文。退出（）567其他：--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\渴望\def_function.py在_call（自我，*args，**kwds）613#这是第一次调用，所以我们必须初始化。614初始化器 = [] --

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\def\u函数。py in_initialize（self、args、kwds、add_initializer_to）495 self_concrete\u stateful\u fn=（496 self.\u stateful\u fn.\u get\u concrete\u function\u internal\u garbage\u collected(

--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\渴望\function.py在_get_concrete_function_internal_garbage_collected（自我，*args，**kwargs）2387 args，kwargs=无，无2388与自我。_lock：-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\function。py in_可能定义函数（self、args、kwargs）2701272
self_函数缓存。错过。添加（调用上下文键）-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\function。py在创建图形函数（self、args、kwargs、override\u flat\u arg\u shapes）2591 arg\u names=arg\u names，
2592 override\u flat\u arg\u shapes=override\u flat\u arg\u shapes-

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\框架\func_graph.pyfunc_graph_from_py_func（名称，python_func，args，kwargs，签名，func_graph，签名，autograph_options，add_control_dependencies，arg_names，op_return_value，收藏，capture_by_value，override_flat_arg_shapes）976converted_func）977-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\def\u函数。py in wrapped#fn（*args，**kwds）437#wrapped允许在转换函数中交换签名。我们给438#函数本身一个弱引用，以避免引用循环--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils。分布式函数（输入迭代器）中的py 83 args=\u prepare\u feed\u值（模型、输入迭代器、模式、策略）84 outputs=strategy。实验运行v2（---

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\distribute\distribute\u lib。实验运行中的py（自我、fn、args、kwargs）761 fn=自记。tf_convert（fn，ag_ctx.control_status_ctx（），762 convert_by_default=False）--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\分发\distribute_lib.py在call_for_each_replica（自我，fn，args，kwargs）1817 kwargs={} 1818与自我。_container_strategy（）。范围（）：-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\distribute\distribute\u lib。为每个复制副本（self、fn、args、kwargs）调用py-in\u 2162
self_container\u strategy（），2163
同步组中的副本\u id\u=constant\u op.constant（0，dtypes.int32））：-

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\autograph\impl\api.py在包装器（*args，**kwargs）290 def包装器（*args，**kwargs）： 291与ag_ctx。ControlStatusCtx（状态=ag_ctx。状态。残疾）：--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils。py in_predict_on_batch（解析参数失败）210 del y，sample_weights 211#注意，x和batch_索引已经是每个副本的值--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\keras\Engine\training_v2_utils.py在predict_on_batch（模型，x，独立）554 555与backend.eager_learning_phase_scope（0）：-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\base\u层。调用中的py（self、input、*args、**kwargs）776输出=基本层utils。标记为返回（输出，acd）777其他：--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\sequential。呼叫中的py（自我、输入、训练、面具）279 kwargs[“训练”]=训练280--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\engine\base\u层。调用中的py（self、input、*args、**kwargs）776输出=基本层utils。标记为返回（输出，acd）777其他：--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\keras\saving\saved\u model\utils。py返回值\输出\和\添加\损失（*args，**kwargs）57个输入=args[输入\ arg\索引]58个args=args[输入\ arg\索引1:]---

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\def\u函数。调用中的py（self，*args，**kwds）566 xla\u上下文。退出（）567其他：--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\渴望\def_function.py在_call（自我，*args，**kwds）604#在这种情况下，我们没有在第一次调用时创建变量。所以我们可以605#运行第一个跟踪，但是如果创建了变量，我们应该会失败。--

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\function。py in call（self，*args，**kwargs）2360“调用专用于输入的图形函数。”“2361与自我_锁定：-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\function。py in_可能定义函数（self、args、kwargs）2701272
self_函数缓存。错过。添加（调用上下文键）-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\function。py在创建图形函数（self、args、kwargs、override\u flat\u arg\u shapes）2591 arg\u names=arg\u names，
2592 override\u flat\u arg\u shapes=override\u flat\u arg\u shapes-

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\框架\func_graph.pyfunc_graph_from_py_func（名称，python_func，args，kwargs，签名，func_graph，签名，autograph_options，add_control_dependencies，arg_names，op_return_value，收藏，capture_by_value，override_flat_arg_shapes）976converted_func）977-

~\anaconda3\envs\tf\lib\site packages\tensorflow\u core\python\eager\def\u函数。py in wrapped#fn（*args，**kwds）437#wrapped允许在转换函数中交换签名。我们给438#函数本身一个弱引用，以避免引用循环--

~\anaconda3\envs\tf\lib\site-包\tensorflow_core\python\saved_model\function_deserialization.py在restored_function_body（*args，**kwargs）260。格式（_pretty_format_positional（args），kwargs，261 len（saved_function.concrete_functions），-

无法找到匹配的函数调用加载从

SavedModel.得到：位置参数（共1个）：*张量（“输入： 0”，形状=（无，256, 256, 3)，dtype=uint8）关键字参数：{}

这些参数应与以下1个选项之一匹配：

选项1：位置参数（共1个）：*TensorSpec（形状=（无，256, 256, 3)，dtype=tf.float32，名称='输入'）关键字参数：{}

Answer 1

我认为加载的模型期望输入签名（形状和dtype）不同于提供的输入签名。具体地说，加载的模型期待的是tenstorflow dtype（tf.float32），但是您提供了Float32。你能不能试着代替

x = x.astype('float32') # dtype of x is numpy float32 which is not what the loaded model expecting here

通过

x = tf.cast(x,tf.float32) # this makes x to be of correct signature

请检查下面每一行发生了什么

x=prepare('img.jpg')     # x is numpy array
# whenever you run a tensorflow operation on a numpy array, it becomes a tensor and vice versa
x = tf.keras.utils.normalize(x, axis=1)  # x becomes a tensor
x = x.astype('float32')  # dtype of x changed back to numpy float32
print(x.dtype)           # prints correctly float32 (notice that its not tf.float32)
prediction = model.predict([x]) # this throws an error as the underlying concrete function expects input of tf.float32 signature

我没有看到任何其他问题。我建议你阅读关于具体函数和输入签名。