检查输入时出错：预期flatten_input的形状为(28, 28)，但数组的形状为(28, 3)
我正在尝试将单个图像与tensorflowbegınnerMNIST上可用的启动程序tensorflow项目进行比较
答案 0 :(得分：0)
您的Flatten层采用28x3的数组，但是期望使用28x28的数组。逻辑上可能是您的图层将28x28像素的图像作为28x28的数组拍摄，但是您的数据具有28x3的形状。您需要将输入数组变成28x28数组。相反，您可以尝试将第一层input_shape更改为(28, 3)。
编辑：
您的代码中有两个问题。首先，分析以下代码行：
tf.keras.layers.Flatten(input_shape=(28, 28))
在这里，您期望输入28x28单色图像阵列（黑白）。因此，为此，我使用cv2做下一个：
img = cv2.imread("./image.png", cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img, (28, 28))
之前，图像的形状为28x28x3（其中3是RGB通道）。使用cv2.IMREAD_GRAYSCALE，我们得到了带有单色通道的28x28。但是，我们需要将每个像素值除以255.0，以使每个值介于0和1之间。
img = img/255.0
就我而言，image.png是白色背景手写数字。为了使这一点更准确，我将颜色反转了。
现在，您获得了格式正确的预测数据。但是还有另一个问题。
result = model.predict_classes(img)
正如您在model.layers[0].input_shape中看到的那样，您的Flatten层需要一个（None，28，28）参数。 None是数据集成员的数量。如果选中x_train.shape，将得到（60000，28，28），其中第一个数字是数据集的大小。
好吧，要解决该问题，您只需要执行下一个：
result = model.predict_classes(img.reshape(1, 28, 28))
现在可以了。