我正在构建一个图像处理分类器，这个代码是一个API，用于预测图像的类别。整个代码都在运行，除了这行（pred = model.predict_classes(test_image)）。这个API是用Django框架构建的，我使用的是Python 2.7。

这里要指出的是，如果我像平常一样运行这个代码（不制作API），它运行得非常完美。

def classify_image(request):
    if request.method == 'POST' and request.FILES['test_image']:
        fs = FileSystemStorage()
        fs.save(request.FILES['test_image'].name, request.FILES['test_image'])
        test_image = cv2.imread('media/'+request.FILES['test_image'].name)
        if test_image is not None:
            test_image = cv2.resize(test_image, (128, 128))
            test_image = np.array(test_image)
            test_image = test_image.astype('float32')
            test_image /= 255
            print(test_image.shape)
        else:
            print('image didnt load')
        test_image = np.expand_dims(test_image, axis=0)
        print(test_image)
        print(test_image.shape)
        pred = model.predict_classes(test_image)
        print(pred)
    return JsonResponse(pred, safe=False)

回答：

你的test_image和TensorFlow模型的输入不匹配。

# 你的图像形状是(, , 3)
test_image = cv2.imread('media/'+request.FILES['test_image'].name)
if test_image is not None:
    test_image = cv2.resize(test_image, (128, 128))
    test_image = np.array(test_image)
    test_image = test_image.astype('float32')
    test_image /= 255
    print(test_image.shape)
else:
    print('image didnt load')
# 你的图像形状是(, , 4)
test_image = np.expand_dims(test_image, axis=0)
print(test_image)
print(test_image.shape)
pred = model.predict_classes(test_image)

以上只是假设。如果你想调试，我建议你打印出你的图像大小，并与模型定义的第一层布局进行比较。检查尺寸（宽度、高度、深度）是否匹配。