检查输入时出错：预期 flatten_1_input 有 3 个维度，但得到了形状为 (28, 28) 的数组

Posted 2023-02-16

【中文标题】检查输入时出错：预期 flatten_1_input 有 3 个维度，但得到了形状为 (28, 28) 的数组

【英文标题】：Error when checking input: expected flatten_1_input to have 3 dimensions, but got array with shape (28, 28)

【发布时间】：2020-07-01 09:50:59

【问题描述】：

这是代码：

image = cv2.imread('MNIST_IMAGE.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
data = asarray(gray)
data=data/255.0
predictions=model.predict(data)

这是错误，我明白了：

ValueError Traceback（最近调用 最后）在 3 数据 = asarray（灰色） 4 数据=数据/255.0 ----> 5 个预测=model.predict(data)

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training.py 在预测（自我，x，batch_size，详细，步骤，回调， 最大队列大小，工人，使用多处理）1011 max_queue_size=max_queue_size，1012 个工人=工人， -> 1013 use_multiprocessing=use_multiprocessing) 1014 1015 def reset_metrics(self):

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py 在预测（自我，模型，x，batch_size，详细，步骤，回调， max_queue_size, 工人, use_multiprocessing, **kwargs) 496 模型，ModeKeys.PREDICT，x=x，batch_size=batch_size，verbose=verbose， 497 步=步，回调=回调，max_queue_size=max_queue_size， --> 498 个工人=工人，use_multiprocessing=use_multiprocessing，**kwargs） 499 500

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py 在_model_iteration（自我，模型，模式，x，y，batch_size，详细， sample_weight、steps、callbacks、max_queue_size、workers、 use_multiprocessing, **kwargs) 第424章 425名工人=工人， --> 426 使用_多处理=使用_多处理) 427 总样本 = _get_total_number_of_samples（适配器） 428 use_sample = total_samples 不是 None

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py 在_process_inputs（模型，模式，x，y，batch_size，epochs， sample_weights，class_weights，shuffle，steps，distribution_strategy， max_queue_size、workers、use_multiprocessing） 第644章 645 x, y, sample_weights = 标准化（ --> 646 x, y, sample_weight=sample_weights) 647 elif adapter_cls 是 data_adapter.ListsOfScalarsDataAdapter： 第648章

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training.py 在 _standardize_user_data(self, x, y, sample_weight, class_weight, batch_size、check_steps、steps_name、steps、validation_split、shuffle、 extract_tensors_from_dataset）2381 is_dataset=is_dataset， 第2382章 -> 2383 batch_size=batch_size) 2384 2385 def _standardize_tensors(self, x, y, sample_weight, run_eagerly, dict_inputs,

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training.py 在 _standardize_tensors(self, x, y, sample_weight, run_eagerly, dict_inputs、is_dataset、class_weight、batch_size）2408 feed_input_shapes, 2409 check_batch_axis=False, # 不要 强制执行批量大小。 -> 2410 exception_prefix='input') 2411 2412 # 获取输入数据的类型规范并在必要时对其进行清理。

~\Anaconda3\lib\site-packages\tensorflow_core\python\keras\engine\training_utils.py 在standardize_input_data（数据，名称，形状，check_batch_axis， 异常前缀） 571 ': 预期 ' + names[i] + ' 有 ' + 572 str(len(shape)) + ' 尺寸，但得到数组 ' --> 573 '带形状' + str(data_shape)) 574 如果不是 check_batch_axis： 第575章

ValueError：检查输入时出错：预期 flatten_1_input 到 有 3 个维度，但得到了形状为 (28, 28) 的数组

【参考方案1】：

添加批次维度：

predictions = model.predict(data[None, ...])

或者像这样（两者是等价的）：

predictions = model.predict(np.expand_dims(data, 0))

【讨论】：

也是批量维度，因为它是单个图像。预测 = model.predict(np.array([np.expand_dims(data, -1)]))

@PratikRanjan 尝试：predictions = model.predict(data[None, ..., None])