每次我嘗試預測方法時，這就是我得到的結果：圖層“conv2d_16”的輸入0與圖層不兼容

我正在嘗試訓練我的模型來讀取一些 X 射線影像，我正在使用 Jupyter Notebook，我匯入了庫，定義了影像屬性，準備了資料集，創建了神經網路模型，定義了回呼......并進行了管理資料，訓練模型，我使用 Tkinter 作為 gui 來使用該方法，這是我按下按鈕運行該方法時得到的結果：

警告：張量流：模型是用形狀 (None, 128, 128, 3) 構建的，用于輸入 KerasTensor(type_spec=TensorSpec(shape=(None, 128, 128, 3), dtype=tf.float32, name='conv2d_16_input') , name='conv2d_16_input', description="created by layer 'conv2d_16_input'")，但它是在形狀不兼容的輸入上呼叫的 (None, 128, 128)。

這是我的神經網路模型：

model=Sequential()
model.add(Conv2D(32,(3,3),activation='relu',input_shape=(Image_Width,Image_Height,Image_Channels)))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Conv2D(128,(3,3),activation='relu'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(512,activation='relu'))
model.add(BatchNormalization())
model.add(Dropout(0.5))
model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',
  optimizer='adam',metrics=['accuracy'])

我已將 3 個維度放入 input_shape，Image_Width=128 Image_Height=128 Image_Channels=3

模型是用形狀 (None, 128, 128, 3) 構建的，用于輸入，我不明白為什么 expected min_ndim=4, found ndim=3如果我錯了我會糾正我，我是新手，謝謝你的時間。

編輯：我的 tkinter gui 代碼來運行該方法：

import tkinter as tk
from tkinter import filedialog
from tkinter import *
from PIL import ImageTk, Image
import numpy
from keras.models import load_model
model = load_model('C:/Users/lenovo/PneumoniaClassification/pneumoniatest9999_10epoch.h5')
#dictionary to label all traffic signs class.
classes = { 
    0:'Normal',
    1:'Pneumonia',
 
}
#initialise GUI
top=tk.Tk()
top.geometry('800x600')
top.title('Pneumonia Classification')
top.configure(background='#CDCDCD')
label=Label(top,background='#CDCDCD', font=('arial',15,'bold'))
sign_image = Label(top)
def classify(file_path):
    global label_packed
    image = Image.open(file_path)
    image = image.resize((128,128))
    image = numpy.expand_dims(image, axis=0)
    image = numpy.array(image)
    image = image/255
    pred = model.predict([image])[0]
    sign = classes[pred]
    print(sign)
    label.configure(foreground='#011638', text=sign) 
def show_classify_button(file_path):
    classify_b=Button(top,text="Classify Image",
   command=lambda: classify(file_path),
   padx=10,pady=5)
    classify_b.configure(background='#364156', foreground='white',
font=('arial',10,'bold'))
    classify_b.place(relx=0.79,rely=0.46)
def upload_image():
    try:
        file_path=filedialog.askopenfilename()
        uploaded=Image.open(file_path)
        uploaded.thumbnail(((top.winfo_width()/2.25),
    (top.winfo_height()/2.25)))
        im=ImageTk.PhotoImage(uploaded)
        sign_image.configure(image=im)
        sign_image.image=im
        label.configure(text='')
        show_classify_button(file_path)
    except:
        pass
upload=Button(top,text="Upload an image",command=upload_image,padx=10,pady=5)
upload.configure(background='#364156', foreground='white',font=('arial',10,'bold'))
upload.pack(side=BOTTOM,pady=50)
sign_image.pack(side=BOTTOM,expand=True)
label.pack(side=BOTTOM,expand=True)
heading = Label(top, text="Pneumonia Classification",pady=20, font=('arial',20,'bold'))
heading.configure(background='#CDCDCD',foreground='#364156')
heading.pack()
top.mainloop()

uj5u.com熱心網友回復：

您的模型需要輸入形狀(samples, width, height, channels）。所以當你打電話的時候model.predict，你應該給你的模型提供一個帶有形狀的影像(1, 128, 128, 3)。這對應于模型的預定義輸入形狀：（input_shape=(Image_Width,Image_Height,Image_Channels)不包括批次/樣本維度）。我假設您想對單個影像進行預測，因此是數字 1。

如果您將灰度影像提供給模型，則必須將它們轉換為RGB，例如tf.image.grayscale_to_rgb：

model.predict(tf.image.grayscale_to_rgb(image))

完整的作業示例供參考：

import tensorflow as tf

model=tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32,(3,3),activation='relu',input_shape=(128, 128, 3)))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2,2)))
model.add(tf.keras.layers.Dropout(0.25))
model.add(tf.keras.layers.Conv2D(64,(3,3),activation='relu'))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2,2)))
model.add(tf.keras.layers.Dropout(0.25))
model.add(tf.keras.layers.Conv2D(128,(3,3),activation='relu'))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.MaxPooling2D(pool_size=(2,2)))
model.add(tf.keras.layers.Dropout(0.25))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(512,activation='relu'))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.Dropout(0.5))
model.add(tf.keras.layers.Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',
  optimizer='adam',metrics=['accuracy'])

image = tf.random.normal((1, 128, 128, 3))
print(model.predict(image))

標籤：Python 张量流 tkinter 喀拉斯 tf.keras

上一篇：有條件地呼叫承諾的更好方法

下一篇：下載檔案中的進度條（tkinter）出現問題