Question

我已经训练了我的 ResNet101V2 模型 (keras) 并保存了模型。在加载模型并尝试对新图像进行分类时，我不断收到错误消息：ValueError: Input 0 is incompatible with layer model_7: expected shape=(None, 255, 255, 3), found shape=(None, 255, 3)

这是我的代码：

load_path = 'path to my model'
model = keras.models.load_model(load_path)

image_path = 'path to my image'
img_np = cv2.imread(image_path, cv2.IMREAD_COLOR)
resized_img_np = cv2.resize(img_np, (255, 255))
print(resized_img_np.shape) # <============= PRINTS (255, 255, 3)

prediction = model.predict(resized_img_np) # <========= ERROR

Answer 1

您需要添加额外的维度 to match with batch size。使用 np.expand_dims 向调整后的图像添加维度并传递给模型进行预测。

resized_img_np = np.expand_dims(resized_img_np,axis=0)
prediction = model.predict(resized_img_np)

Answer 2

由于模型是按批次训练的，因此您必须为单个样本添加批次值 1，错误表明大小应该是：

CREATE TABLE "Ingredient" (
"ingredient_id" INTEGER,
"amount"    NUMERIC NOT NULL,
"unit_size" TEXT,
"prep_type" TEXT,
"food_id"   INTEGER NOT NULL,
"recipe_id" INTEGER NOT NULL,
"unit_system"   TEXT NOT NULL,
PRIMARY KEY("ingredient_id" AUTOINCREMENT))

其中 (None, 255, 255, 3) 显示不同的批次大小。

您可以通过添加“1”作为输入图像的第一个维度来简单地解决这个问题，这表明您将只对一个图像进行分类。

形状而不是 None 的位置：

(255, 255, 3)

ResNet：ValueError：输入 0 与层 model_7 不兼容

2 个答案: