如何使用已经训练好的模型测试您自己的（单张图像）数据？答案

【问题标题】：How to test your own (single image) data using an already trained model?如何使用已经训练好的模型测试您自己的（单张图像）数据？
【发布时间】：2020-05-27 21:53:24
【问题描述】：

我正在尝试运行此repository。并且，尝试用我自己的数据进行测试。当我尝试这样做时，我收到了这个错误：

Traceback（最近一次调用最后一次）：文件“test.py”，第 34 行，在输出 = 预测（模型，输入）文件“/home/kbdp5524/Downloads/DenseDepth-master/utils.py”，第 12 行，在预测预测 = model.predict（图像，batch_size=batch_size）文件“/home/kbdp5524/anaconda3/envs/densedepth/lib/python3.7/site-packages/keras/engine/training.py”，第 1441 行，在预测中 x，_，_ = self._standardize_user_data(x) 文件“/home/kbdp5524/anaconda3/envs/densedepth/lib/python3.7/site-packages/keras/engine/training.py”，第 579 行，在 _standardize_user_data exception_prefix='input'）文件“/home/kbdp5524/anaconda3/envs/densedepth/lib/python3.7/site-packages/keras/engine/training_utils.py”，第 145 行，在 standardize_input_data 中 str(data_shape))

ValueError：检查输入时出错：预期 input_1 具有形状 (None, None, 3) 但得到了形状为 (480, 640, 4) 的数组

这是test.py 和train.py 代码

谁能帮我解决这个问题。我是编码新手 :)

【问题讨论】：

您正在输入一个 RGBA 图像（4 个通道），网络只需要 3 个。将图像转换为 RGB（并确保您不需要执行其他预处理操作），然后再将其输入网络
谢谢 :) 另外，(None, None) 是什么意思？
None 在一个形状中意味着任何形状都可以在那里。在这种情况下，您的网络接受任何宽度/高度的输入图像

标签： python tensorflow testing keras conv-neural-network

【解决方案1】：

您的输入图像具有形状 (None, None, 4) RGBA 图像，但模型需要 3 通道图像均值 (None, None, 3) RGB。所以你必须将你的图像转换为 3 通道。您可以使用 OpenCV 函数 cv2.cvtColor(Image, cv2.COLOR_RGBA2RGB ) 来做到这一点。

安装openCV：pip install python-opencv

【讨论】：