关于#python#的问题：我的代码在预测时无法预测，报错位置是：yuceceshi = model.predict(img1)，这是怎么了

我的代码在预测时无法预测，报错位置是：yuceceshi = model.predict(img1)
下面是我的报错信息：

img

img

img


这是怎么了，要怎么改啊？
下面是我的整体代码：

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
    # models = load_model("./ResNet50_test_tuxiangzengqiang_Skin_test.ckpt")

    # 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("L")

    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))
    print(img1)
    # 将预测结果转化为概率值
    yuceceshi = model.predict(img1)
    print(yuceceshi)
    result = np.squeeze(yuceceshi)
    print(result)

    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()

可能是由于模型输入的形状与输入的图像形状不匹配导致的

print(model.input_shape)
print(img1.shape)

如果两个形状不匹配，请确保将输入图像的形状调整为模型的输入形状。

根据您提供的代码，可能有以下问题导致无法预测：

  1. 模型没有编译。在您的代码中，您定义了一个包含输入层、两个全连接层和输出层的神经网络，但您没有编译该模型。您需要使用 model.compile() 函数来编译您的模型并指定损失函数、优化器和评估指标。例如，如果您的目标是二分类，您可以使用 binary_crossentropy 作为损失函数、Adam 作为优化器，并选择 accuracy 作为评估指标。

  2. 图像的尺寸不匹配。在您的代码中，您将输入图像的大小调整为 (128, 128)，但您的模型中的输入层期望输入大小为 (None, 224, 224, 3)。您需要将输入图像的大小调整为与模型期望的大小相同。

  3. 输入图像的通道数不匹配。在您的代码中，您将灰度图像转换为 RGB 模式，但您的模型中的输入层期望输入大小为 (None, 224, 224, 3)，其中 3 表示 RGB 通道。因此，您需要将灰度图像转换为 RGB 图像并将其通道数设置为 3。

  4. 预测结果中的概率值不是您期望的形状。在您的代码中，您将预测结果压缩为一个一维数组，但您的模型的输出形状应该是 (None, num_classes)，其中 num_classes 是您的模型可以预测的类别数。您需要检查您的模型的输出形状，并相应地调整您的预测结果的形状。

您可以检查并尝试解决这些问题，以便您的代码可以成功预测。