如何修复数据类型不匹配以使用我训练的模型预测图像？

Question

我训练了一个 CNN，但无法使用它进行预测。我所有的图片都在一个文件夹中

model = tf.keras.models.load_model("C:\Sid\CNNs\MoonRocks.h5")
import os
filepath = "C:\Sid\Projects\LunarMoonRocks\DataSet\Test Images"

for img in os.listdir(filepath):
    img_path = os.path.join(filepath, img)
    img_array=cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    new_array=cv2.resize(img_array, (480, 480)) 
    img_tbp = new_array.reshape(-1, 480, 480, 1)
    prediction = model.predict([img_tbp])

此代码显示错误

TypeError: Value passed to parameter 'input' has DataType uint8 not in list of allowed values: float16, bfloat16, float32, float64

我尝试使用

将图像类型更改为 float32

image = tf.image.decode_jpeg(img_tbp)
image = tf.cast(image, tf.float32)

但是显示错误

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type int).

如何让我的模型预测文件夹中的图像？

Answer 1

decode_jpeg用于解码以二进制格式读取的图像文件的内容。您已经使用 OpenCV 读取了您的图像文件，并且 OpenCV 读取了 NumPy 格式的文件。如果你使用了 read_file，那么你应该使用 decode_jpeg.

现在谈到你的问题，你可以通过使用 tf.cast 操作将你的 uint8 图像转换为浮动类型，但你很可能忘记规范化你的从 uint8 中的 [0, 255] 到 float 中的 [0, 1] 范围内的图像。因此，您可以直接将图像转换为浮点数，并使用以下方法将数字的值置于 [0, 1] 范围内：

image = image / 255.0

如何修复数据类型不匹配以使用我训练的模型预测图像？

How to fix datatype mismatch to predict images using my trained model?

python

python-3.x

tensorflow

machine-learning

tf.keras