ValueError：层“sequential_7”的输入0与该层不兼容：预期形状=（无，224，224，1），发现形状=（无，244，1）

Question

简介：

• 创建了一个图像分类模型，根据 X 射线/图像对髋关节植入物是否松动或是否处于控制状态进行分类。
• 数据位于包含 2 列（图像路径和图像类别）的 csv 文件中，并且 csv 文件上传到 GCS 存储桶。
• 使用调整为宽度 = 244、高度 = 244 的图像来训练模型。

限制：

• 图像有限，因此没有太多数据来训练模型。这是可以接受的，因为重点是使模型发挥作用而不是预测的准确性。

问题：期望是向模型提供图像并期望预测（概率）。但是，当调用

model.predict

时，会抛出以下错误：

“ValueError：层“sequential_7”的输入 0 与该层不兼容：预期形状=(None, 224, 224, 1)，发现形状=(None, 244, 1)”

以下是按顺序排列的代码片段：

1. 数据管道（读取 csv、调整图像大小）
2. 创建并训练模型
3. 使用单个图像进行预测

# 1. DATA PIPELINE

CLASS_NAMES = ['loose', 'control']

def decode_csv(csv_row): # csv_row consists of a file path and the image class
    
    record_defaults = ["path", "image class"] # Default values for the dataset
    filename, label_string = tf.io.decode_csv(csv_row, record_defaults) # tf.io.decode_csv reads every row in the csv
    
    image_bytes = tf.io.read_file(filename=filename) # output: base64 image string
    image_bytes = tf.image.decode_jpeg(image_bytes) # output: an integer array
    image_bytes = tf.image.convert_image_dtype(image_bytes, tf.float32) # output: 0 - 1 range float
    image_bytes = tf.image.resize(image_bytes, [224, 224]) # output: image dimension
    
    label = tf.math.equal(CLASS_NAMES, label_string) # formats label to a boolean array with a truth value corresponding to the output class
    
    return image_bytes, label # Returning a base64 image string and a boolean array with True corresponding to a particular class

def load_dataset(csv_file, batch_size, training=True):
    ds = tf.data.TextLineDataset(filenames=csv_file).skip(1) # skip(1) will remove the top row i.e. header
    ds = ds.map(decode_csv).cache()
    ds = ds.batch(batch_size=batch_size)
    
    if training:
        ds = ds.shuffle(10).repeat()
    return ds

train_ds = load_dataset("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/hip-implant-data.csv", batch_size = 10)

validation_data = load_dataset("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/hip-implant-data.csv", batch_size = 10, training=False)

# 2. CREATE MODEL

IMG_HEIGHT = 224
IMG_WIDTH = 224
IMG_CHANNELS = 64

model = Sequential([
    Conv2D(name="first-Conv2D-layer",filters=64, kernel_size=3, input_shape=(IMG_WIDTH, IMG_HEIGHT, 1), padding='same', activation='relu'),
    MaxPooling2D(name="first-pooling-layer",strides=2, padding='same'),
    Conv2D(name="second-Conv2D-layer", filters=32, kernel_size=3, activation='relu'),
    MaxPooling2D(name="second-pooling-layer", strides=2, padding='same'),
    Flatten(),
    Dense(units=400, activation='relu'),
    Dense(units=100, activation='relu'),
    Dropout(0.25),
    Dense(2),
    Softmax()
])

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

型号总结

# 3. PREDICTION USING A SINGLE IMAGE:

image_path = tf.io.read_file("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/Control/control (25).png")

new_image = decode_img(image_path, [244, 244])

print(new_image.shape)
plt.imshow(new_image.numpy())

prediction = model.predict(new_image)
print(prediction)

已经尝试过的解决方案：

1. 尝试在卷积层中保持填充=“相同”（响应初始错误，该错误表明卷积层内尺寸不匹配）
2. 尝试明确提及模型的输入形状 (244,244,1)（添加图层 Input(shape=(244,244,1)))
3. 尝试更改过滤器大小/单位/池大小（响应另一个错误，该错误表明该层无法进一步降低维度）。

编辑1：漏掉了decode_img函数，它调整了测试图像（我们试图预测的单个图像）的大小

img = tf.io.read_file("gs://qwiklabs-asl-04-06351f77b64f-hip-implant/Control/control (25).png")

def decode_img(img, reshape_dims):
    img = tf.image.decode_jpeg(img) # tf.image.decode_jpeg can decode Base64 image string into an integer array
    #print("\n tf.image.decode_jpeg : Convert base64 image string into an integer array \n")
    #print(img)
    img = tf.image.convert_image_dtype(img, tf.float32) # tf.image.convert_image_dtype can cast the integer array into 0 -1 range float
    #print("\n tf.image.convert_image_dtype : Cast the integer array into 0 - 1 range float \n")
    #print(img)
    img = tf.image.resize(img, reshape_dims) # tf.image.resize can make image dimensions consistent for our neural network
    #print("\n tf.image.resize : Keep image dimensions consistent for our neural network \n")
    #print(img)
    return img


img = decode_img(img, [224, 224])

plt.imshow(img.numpy())

Answer 1

感谢用户的解决方案：https://www.reddit.com/r/learnmachinelearning/comments/18iaf0b/comment/kdbxjqw/?context=3

“当您输入网络的数据形状错误时，此错误最常见。如果每个样本的大小为 (224, 224, 1)，则您的输入必须为等级 4，形状为 (n_batch, 224, 224, 1).

如果您尝试使用一张图像测试模型，您可能会意外地为其提供形状为 (224, 224, 1) 的张量。这是错误的，输入一张图像的正确方法是使用形状 (1, 224, 224, 1)。

您可以使用 numpy.stack，它给定几个 (224, 224, 1) 数组，可以将它们单独组合 axis = 0 为 (n_batch, 224, 224, 1) 形状。”

在这里，由于期望是提供单个图像来获得预测，因此我使用

numpy.stack((image,), axis=0)

单独堆叠单个图像并用它来进行预测。