resnet训练后，预测报错了，不知道怎么解决

我用resnet训练后，生成的模型，然后再预测时，就报错了。不知道哪里错了。
下面是我的报错信息：

这是出什么问题了，应该怎么改啊？
下面是我的代码：

import tkinter as tk
import tensorflow as tf
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import numpy as np
from tkinter import *
import tkinter.filedialog  # 注意次数要将文件对话框导入
from PIL import Image
from tensorflow.python.keras import models, layers

def ResNet_yuce():
    global e1, pred, root, predict_class, k
    name_dict = {"Uninfected": 0, "Parasitized": 1}

    fig = plt.figure(figsize=(2, 2), dpi=100)
    # 从本地选择一个文件，并返回文件的目录
    # filenames = tkinter.filedialog.askopenfile()#形成一共io流 的文件名称
    filename = tk.filedialog.askopenfilename(title=u'加载图片', initialdir=(()))  # 只保留文件名和后缀
    print(filename)

    model_save_path = './ResNet50_test_tuxiangzengqiang_Skin_test.ckpt'

    model = tf.keras.models.Sequential([
        tf.keras.layers.Flatten(),  # Flatten-变成一维数组
        tf.keras.layers.Dense(128, activation='relu'),  # relu函数可以解决 梯度消失问题 是线性的
        tf.keras.layers.Dense(2, activation='softmax')])  # 2个类所以2个神经元 softmax只用在最后一层 可以让最后输出的概率在0-1之间

    model.load_weights((model_save_path))#读取文件

    # 加载测试图片
    img = Image.open(filename)
    # 将图片resize到224x224大小
    img = img.resize((128, 128), Image.ANTIALIAS)
    # 将灰度图转化为RGB模式
    img = img.convert("RGB")

    plt.axis('off')  # 去掉坐标轴
    plt.imshow(img)
    # 归一化
    img1 = np.array(img) / 255.
    # 将图片增加一个维度，目的是匹配网络模型
    img1 = (np.expand_dims(img1, 0))
    # 将预测结果转化为概率值
    result = np.squeeze(model.predict(img1))
    predict_class = np.argmax(result)
    # pred = tf.argmax(result, axis=1)#求最大值得出最后识别出来的数
    # print(inverse_dict[int(predict_class)],result[predict_class])
    # 将预测的结果打印在图片上面
    # plt.title([inverse_dict[int(predict_class)],result[predict_class]])
    print(result)

    result = np.argmax(result[0])  # 取出预测结果中概率最大的元素索引值
    for k, v in name_dict.items():  # 将类别由数字转换为名称
        if result == v:  # 如果预测结果等于v, 打印出名称
            print("预测结果:", k)  # 打印出名称

    pred = "预测结果：" + k
    e1 = tk.Label(root, text=pred, font=('Arial', 16))  # 显示预测结果
    e1.place(x=100, y=370)

    canvas = FigureCanvasTkAgg(fig, master=root)  # 渲染器 在画布上放置图片
    canvas.draw()
    canvas.get_tk_widget().place(x=100, y=150)
def picture():
    global root
    root = Tk()
    root.wm_title("细胞图像疟疾检测")
    root.geometry('1000x650')

    bt = tk.Button(root, text="ResNet50", width=10, command=ResNet_yuce)
    bt.place(x=210, y=90)

    root.mainloop()

if __name__ == '__main__':
    picture()

你把报错截图发给我看一下

以下内容部分参考ChatGPT模型：

---

根据报错信息，可以看出是模型输出的维度和标签的维度不匹配导致的。建议检查一下在训练时和预测时数据的处理过程，确保输入的数据维度和格式都是一致的。同时，可以尝试使用一些调试工具，例如TensorBoard来查看模型的结构和输入输出的维度，以帮助定位问题。以下是一些可能有用的代码片段：

1. 检查数据维度和格式是否一致

# 训练时
x_train.shape # (batch_size, height, width, channels)
y_train.shape # (batch_size, num_classes)

# 预测时
x_test.shape # (num_samples, height, width, channels)
y_test.shape # (num_samples, num_classes)

2. 使用TensorBoard查看模型结构和输入输出的维度

# 在训练过程中添加TensorBoard回调函数
from tensorflow.keras.callbacks import TensorBoard
tb_callback = TensorBoard(log_dir='./logs', histogram_freq=1)
model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test), callbacks=[tb_callback])

# 启动TensorBoard查看模型结构和输入输出的维度
tensorboard --logdir=./logs

---

如果我的建议对您有帮助、请点击采纳、祝您生活愉快

检查下这个img1的格式对不对，报错说的是这个不是一个矩阵。按理来说你这里这么写的话，输入应该是一个tensor才对，但是我不知道你的predict实现的接口是输入一张图片还是输入一个tensor还是输入一个矩阵。