我在尝试将图像输入到这个模型时遇到了问题。

以下是get_input_details的输出

[{'name': 'module/hub_input/images_uint8', 'index': 170, 'shape': array([  1, 224, 224,   3], dtype=int32), 'shape_signature': array([  1, 224, 224,   3], dtype=int32), 'dtype': <class 'numpy.uint8'>, 'quantization': (0.0078125, 128), 'quantization_parameters': {'scales': array([0.0078125], dtype=float32), 'zero_points': array([128], dtype=int32), 'quantized_dimension': 0}, 'sparsity_parameters': {}}]

根据Tensorflow Hub上的描述，应该是

大小为224 x 224的3通道RGB彩色图像，缩放到[0, 1]范围内。

我有以下脚本来实现这个功能

def process_image(image_path):    image = Image.open(image_path)    new_image = image.resize((224,224))    np_image = asarray(new_image)    min = np_image.min()    max = np_image.max()        # 归一化到0-1范围    np_image = np_image.astype('float32')    np_image -= min    np_image /= (max - min)    return [np_image]

之后，我输入图像并得到了以下错误

ValueError: 无法设置张量：得到的类型为FLOAT32，但输入170期望的类型为UINT8，名称：module/hub_input/images_uint8

有什么想法知道我哪里做错了？

回答：

这个错误与您的输入图像大小无关，我认为这是由于图像类型引起的。您确定需要将图像归一化到0和1之间吗？错误似乎表明输入应该是uint8类型。如果是这样，以下代码应该可以工作。

def process_image(image_path):    image = Image.open(image_path)    new_image = image.resize((224,224))    np_image = asarray(new_image)    np_image = np_image.astype('uint8')    return [np_image]