Question

我正在尝试将自己的图像输入到mnist模型中

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test, y_test)
model.predict(gray)

灰色是形状为（28,28）的图像，但是我收到一个错误，指出即使输入形状为（28,28），该模型也需要3个维度。

如果我执行gray.reshape（1,28,28），该代码将起作用，但是我不知道为什么会起作用，或者这是否是解决此问题的正确方法。

Answer 1

model实例需要一批图像。这是在此行上指定的：

tf.keras.layers.Flatten(input_shape=(28, 28))

当您指定input_shape=(28, 28)时，基本上是在告诉Tensorflow您将收到一批输入，其中批处理中的每个元素都将具有形状28 x 28。因此，添加图像时，请确保扩大其尺寸：

gray = np.expand_dims(gray, axis=0)

然后，您可以放心地进行以下操作：

model.predict(gray)

此外，在这种特殊情况下，您可以使用np.reshape。但是，该方法有不同的用途，因此我会坚持使用np.expand_dims。这是证明它们相等的证据：

X = np.random.rand(28, 28)
np.testing.assert_array_equal(np.expand_dims(X, axis=0), np.reshape(X (1, 28, 28)))
# The assert passes

如何解决：ValueError：检查输入时出错：期望flatten_input具有3个维，但数组的形状为（28，28）

1 个答案: