Question

这是代码：

image = cv2.imread('MNIST_IMAGE.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
data = asarray(gray)
data=data/255.0
predictions=model.predict(data)

这是错误，我得到：

ValueError跟踪（最近一次调用最后） 3个数据= asarray（灰色） 4个数据=数据/255.0 ----> 5个预测= model.predict（数据）

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py 在预测（自我，x，batch_size，详细，步骤，回调， max_queue_size，工作者，use_multiprocessing）1011
max_queue_size = max_queue_size，1012个工作人员=工人， -> 1013 use_multiprocessing = use_multiprocessing）1014 1015 def reset_metrics（self）：

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py 在预测（自我，模型，x，batch_size，详细，步骤，回调， max_queue_size，workers，use_multiprocessing，** kwargs） 496模型，ModeKeys.PREDICT，x = x，batch_size = batch_size，详细=详细， 497个步骤=步骤，回调=回调，max_queue_size = max_queue_size， -> 498个worker = workers，use_multiprocessing = use_multiprocessing，** kwargs） 499 500

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py 在_model_iteration中（自我，模型，模式，x，y，batch_size，冗长， sample_weight，步骤，回调，max_queue_size，工作者， use_multiprocessing，** kwargs） 424 max_queue_size = max_queue_size， 425名工人=工人， -> 426 use_multiprocessing = use_multiprocessing） 427个total_samples = _get_total_number_of_samples个（适配器） 428 use_sample = total_samples不是None

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py 在_process_inputs中（模型，模式，x，y，batch_size，时期， sample_weights，class_weights，shuffle，steps，distribution_strategy， max_queue_size，工作者，use_multiprocessing） 644 standardize_function =无第645章 -> 646 x，y，sample_weight = sample_weights） 647 elif adapter_cls是data_adapter.ListsOfScalarsDataAdapter： 648 standardize_function = standardize

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py 在_standardize_user_data（self，x，y，sample_weight，class_weight， batch_size，check_steps，steps_name，steps，validation_split，shuffle， 2381 is_dataset = is_dataset，
第2382章死了 -> 2383 batch_size = batch_size）2384 2385 def _standardize_tensors（自我，x，y，sample_weight，run_eagerly，dict_inputs，

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py 在_standardize_tensors（self，x，y，sample_weight，run_eagerly， dict_inputs，is_dataset，class_weight，batch_size）2408
feed_input_shapes，2409 check_batch_axis = False，＃不强制批量大小。 -> 2410 exception_prefix ='input'）2411 2412＃获取输入数据的类型规范，并在必要时进行清理。

〜\ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_utils.py 在standardize_input_data（数据，名称，形状，check_batch_axis， exception_prefix） 571'：预期的'+名称[i] +'具有'+ 572 str（len（shape））+'尺寸，但得到数组' -> 573'具有形状'+ str（data_shape）） 574（如果不是check_batch_axis）： 575 data_shape = data_shape [1：]

ValueError：检查输入时出错：预期为flatten_1_input 有3个维度，但数组的形状为（28，28）

Answer 1

添加批次尺寸：

predictions = model.predict(data[None, ...])

或者这样（两者都是等效的）：

predictions = model.predict(np.expand_dims(data, 0))

检查输入时出错：期望flatten_1_input具有3个维度，但数组的形状为（28，28）

1 个答案: