keras.model.predict raise ValueError: 检查输入时出错

Question

我在MNIST数据集上训练了一个基本的神经网络模型。以下是训练的代码：(导入省略(

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data(path='mnist.npz')
x_train, x_test = x_train/255.0, x_test/255.0
#1st Define the model
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape = (28,28)),     #input layer
    tf.keras.layers.Dense(512, activation=tf.nn.relu),  #main computation layer
    tf.keras.layers.Dropout(0.2),                       #Dropout layer to avoid overfitting
    tf.keras.layers.Dense(10, activation=tf.nn.softmax) #output layer / Softmax is a classifier AF
])
#2nd Compile the model
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
#3rd Fit the model
model.fit(x_train, y_train, epochs=5)
#4th Save the model
model.save('models/mnistCNN.h5')
#5th Evaluate the model
model.evaluate(x_test, y_test)

我想看看这个模型是如何与我自己的输入一起工作的，所以我在这篇文章的帮助下编写了一个预测脚本。我的预测代码是：(导入省略(

model = load_model('models/mnistCNN.h5')
for i in range(3):
    img = Image.open(str(i+1) + '.png').convert("L")
    img = img.resize((28,28))
    im2arr = np.array(img)
    im2arr = im2arr/255
    im2arr = im2arr.reshape(1, 28, 28, 1)
    y_pred = model.predict(im2arr)
    print('For Image',i+1,'Prediction = ',y_pred)

首先，我不明白这行的目的：

im2arr = im2arr.reshape(1, 28, 28, 1)

如果有人能阐明为什么这条线是必要的，那将有很大的帮助。

其次，这一行抛出以下错误：

ValueError: Error when checking input: expected flatten_input to have 3 dimensions, but got array with shape (1, 28, 28, 1)

我在这里错过了什么？

Answer 1

第一个维度用于批大小。它是由内部keras.model添加的。所以这一行只是将其添加到图像数组中。

im2arr = im2arr.reshape(1, 28, 28, 1)

您

得到的错误是因为您用于训练的 mnist dataset 中的单个示例具有形状 (28， 28(，因此作为您的输入层。要消除此错误，您需要将此行更改为

im2arr = img.reshape((1, 28, 28))