如何在python中将我的图像更改为所需的形状

Question

我正在为MNIST时尚数据集开发CNN模型。我创建了一个成功的CNN模型。但我想测试我从网上下载的另一张图片的分类模型。

我的所有训练和测试都是(28，28，1(。但现在，对于我想要预测的图像，我将其调整为(28，28(，并使用将其转换为RGB的一个通道

cv2.cvtColor(load_img_rz, cv2.COLOR_BGR2GRAY)

现在图像的形状是(28，28(。我试着把它输入到模型中，它显示错误

ValueError: Input 0 of layer sequential_6 is incompatible with the layer: : expected min_ndim=4, 
found ndim=3. Full shape received: (None, 28, 3)

我认为形状是问题所在。那么，如果这是问题所在，我如何将其转换为形状(28，28，1(。

CNN在单通道RGB中的工作效果比在3通道RGB中更好吗？

Answer 1

在深度学习中，对我来说非常有用的命令是numpy中的expand_dims。

your_image.shape
>>> (28, 28)
your_new_array = np.expand_dims(your_image, axis=-1)
your_new_array.shape
>>> (28, 28, 1)

您可以使用axis参数来更好地了解这里发生了什么。

Answer 2

由于您没有包含代码，我假设您的输入层有问题。因此，您需要指定单位的数量，并首先将其输入到您的输入层中：

model = Sequential()
model.add(Dense(X.shape[1], activation='something you desired', input_dim=X.shape[1]))

等等

很难理解你在处理什么以及你想要实现什么，因为你没有指定/共享任何东西，甚至没有代码。