Question

我正在尝试在Flask上使用Keras进行图像识别。在进行预测时，我遇到此错误

ValueError: Input 0 of layer sequential_16 is incompatible with the layer: expected axis -1 of input shape to have value 24 but received input with shape [None, 150, 150, 3]

我有点理解问题，但是我不确定如何指定形状。这是在Flask服务器上，我在这里不做任何培训。我使用以前在Jupyter笔记本电脑上训练过的模型。

这是代码

def predict(img):
    # Preprocess input image
    img_width, img_height = 150, 150
    x = load_img(img, target_size=(img_width, img_height))
    x = img_to_array(x)
    x = np.expand_dims(x, axis=0)

    # Load model
    dependencies = {
            'precision': Precision,
            'recall': Recall
        }
    model = load_model('model.h5', custom_objects=dependencies)

    # Predict
    result = model.predict(x)[0]
    label = np.argmax(result)
    return label

回溯表明它发生在result = model.predict(x)[0]上。有人知道如何解决此错误吗？尝试使用谷歌搜索，但我没有发现任何类似的错误。

编辑-模型摘要

Model: "sequential_16"
Layer (type)                 Output Shape              Param #
=================================================================
dense_96 (Dense)             (None, 32)                800
_________________________________________________________________
dense_97 (Dense)             (None, 1024)              33792
_________________________________________________________________
dense_98 (Dense)             (None, 512)               524800
_________________________________________________________________
dense_99 (Dense)             (None, 256)               131328
_________________________________________________________________
dense_100 (Dense)            (None, 128)               32896
_________________________________________________________________
dense_101 (Dense)            (None, 3)                 387
_________________________________________________________________
activation_16 (Activation)   (None, 3)                 0
=================================================================
Total params: 724,003
Trainable params: 724,003
Non-trainable params: 0

Answer 1

好，所以您输入的形状错误。输入层未在模型摘要中显示，但表示第一层具有800个参数。

这告诉我输入层的尺寸为[None，24]，因为24 * 32（权重）+ 32（偏置）= 800。

当您添加第一个致密层时，应该是

model.add（密集（32，input_shape =（150,150,3））

ValueError：依次图层16的输入0与该图层不兼容：预期输入形状的轴-1的值为24，但

1 个答案: