我在MNIST数据集上训练了一个基础的神经网络模型。以下是训练代码：（导入部分已省略）
mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data(path='mnist.npz')x_train, x_test = x_train/255.0, x_test/255.0#1st 定义模型model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape = (28,28)), #输入层 tf.keras.layers.Dense(512, activation=tf.nn.relu), #主要计算层 tf.keras.layers.Dropout(0.2), #Dropout层，避免过拟合 tf.keras.layers.Dense(10, activation=tf.nn.softmax) #输出层 / Softmax是一个分类器激活函数])#2nd 编译模型model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])#3rd 拟合模型model.fit(x_train, y_train, epochs=5)#4th 保存模型model.save('models/mnistCNN.h5')#5th 评估模型model.evaluate(x_test, y_test)我想看看这个模型如何处理我自己的输入，因此我在这篇文章的帮助下编写了一个预测脚本。我的预测代码是：（导入部分已省略）
model = load_model('models/mnistCNN.h5')for i in range(3): img = Image.open(str(i+1) + '.png').convert("L") img = img.resize((28,28)) im2arr = np.array(img) im2arr = im2arr/255 im2arr = im2arr.reshape(1, 28, 28, 1) y_pred = model.predict(im2arr) print('For Image',i+1,'Prediction = ',y_pred)首先，我不明白这行的用途：
im2arr = im2arr.reshape(1, 28, 28, 1)如果有人能解释为什么需要这行代码，那将非常有帮助。
其次，这行代码抛出了以下错误：
ValueError: Error when checking input: expected flatten_input to have 3 dimensions, but got array with shape (1, 28, 28, 1)我在这里遗漏了什么？
回答：
第一维度用于批量大小。这是由keras.model内部添加的。所以这行代码只是将批量大小添加到图像数组中。
im2arr = im2arr.reshape(1, 28, 28, 1)你得到的错误是因为你用于训练的mnist数据集中的单个样本形状为(28, 28)，所以你的输入层也是如此。要消除这个错误，你需要将这行改为
im2arr = img.reshape((1, 28, 28))