ValueError：conv2d 层的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：（256、256、256）

Question

所以我正在使用 CNN 进行脑肿瘤检测项目。我有一个模型，它需要 4 个参数作为输入（BATCH_SIZE、IMAGE_SIZE、IMAGE_SIZE、CHANNELS）来进行预测。我的模型适用于大多数图像，但对于某些图像，它会给出错误 ValueError：conv2d 层的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：(256, 256, 256)

我已经完成了图像大小调整（256,256）和整形（1,256,256,3），但仍然出现错误。我在谷歌上寻找答案，但找不到任何合理的答案。可能是什么问题呢？我将不胜感激任何帮助。附上我的模型和错误的屏幕截图以供参考。 谢谢！！

# Model
input_shape = (BATCH_SIZE, IMAGE_SIZE, IMAGE_SIZE, CHANNELS)
n_classes = 2

model = models.Sequential([
    resize_and_rescale,
    
    layers.Conv2D(32, kernel_size = (3,3), activation='relu', input_shape=input_shape),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64,  kernel_size = (3,3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64,  kernel_size = (3,3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    
    layers.Flatten(),
    
    layers.Dense(64, activation='relu'),
    layers.Dense(n_classes, activation='softmax'),
])

model.build(input_shape=input_shape)

# Function used in flask for deploying
def prediction():
    img = request.files['img']
    img.save("img.jpg")
    image = Image.open("img.jpg")
    x = np.array(image.resize((256,256)))
    # x = x.reshape(1,256,256,3)
    x = np.expand_dims(x,axis=0)
    res = (model.predict_on_batch(x))
    classification = np.where(res == np.amax(res))[1][0]
    # a=names(classification)
    a=str(res[0][classification]*100) + '% Confidence ' + names(classification)

    return render_template("prediction.html", data=a)

Answer 1

您应该将input_shape = (BATCH_SIZE, IMAGE_SIZE, IMAGE_SIZE, CHANNELS) 更改为input_shape = (IMAGE_SIZE, IMAGE_SIZE, CHANNELS)，因为批量大小参数是自动推断的。