Question

我使用DirectoryIterator从目录中读取图像并训练了我的模型。我希望能够验证它是否起作用，因此我尝试在包含图像的numpy数组上使用model.predict，但是出现以下错误

ValueError: Error when checking input: expected conv2d_input to have 4 
dimensions, but got array with shape (128, 56)

我不确定DirectoryIteratory中的flow_from_directory具有哪种形状或属性，因此不确定model.predict期望得到什么样的输入。这是我的代码的样子

train_datagen = ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='binary')

model.fit_generator(
    train_generator,
    steps_per_epoch=nb_train_samples // batch_size,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps=nb_validation_samples // batch_size)

Answer 1

在您的代码段中，您似乎正在使用this博客文章。因此，ConvNet的第一层是卷积层，期望输入形状为(150, 150)。让我们看看您的错误消息：

ValueError ：检查输入时出错：预期conv2d_input具有4 尺寸，但数组的形状为（128，56）

该错误说明两件事：

您的输入应具有4个维度。
形状为（128，56）的数组。

因此，首先，您的numpy数组形状应为(150, 150)的形状（由于ConvNet的输入形状），并且应将图像的尺寸扩展为4个尺寸。例如（假设您的numpy数组为x）：

x = x.reshape(1,150,150,3).astype('float')
x /= 255

pred = model.predict(x)

如果要从硬盘读取图像，则可以使用以下代码：

img = keras.preprocessing.image('image.jpg', target_size=(150,150))
x = keras.preprocessing.image.img_to_array(img)
x = x.reshape(1,150,150,3).astype('float')
x /= 255

pred = model.predict(x)

希望有帮助。

Keras model.predict检查输入时出错：预期conv2d_input具有4维，但数组的形状为（128，56）

1 个答案: