ValueError: Cannot reshape a tensor with 173056 elements to shape [1,208,208,3] (129792 elements)
问题报错
题目有长度限制，完整报错为ValueError: Cannot reshape a tensor with 173056 elements to shape [1,208,208,3] (129792 elements) for '{{node Reshape}} = Reshape[T=DT_FLOAT, Tshape=DT_INT32](per_image_standardization, Reshape/shape)' with input shapes: [208,208,4], [4] and with input tensors computed as partial shapes: input[1] = [1,208,208,3].
（查看解决办法可直接跳到最下面）
出现此报错情况是在做神经网络图像分类训练完模型后，进行测试test模块输入jpg图片文件分类时，出现的错误。报错大致意思为：不能对一个包含173056个元素的张量进行重塑[1,208,208,3](129792个元素)...
在网上没发现与之匹配的解决方法，然后就根据报错分析
首先找到是reshape重塑问题，源代码用到的是tf.reshape
image = tf.cast(image_array, tf.float32)
image = tf.image.per_image_standardization(image)
image = tf.reshape(image, [1, 208, 208, 3])这里为什么无法重塑呢，这里介绍一下reshape
Reshape
Python中的shape与reshape
shape就是看数组的形状，也就是各维数都是多少，对于二位数组就是看行数和列数，reshape就是重构一下维数，按照顺序排列进去。下面直接看例子即可
import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9,0])
print(a,a.shape, a.shape[0], type(a),sep='\n')
'''
[1 2 3 4 5 6 7 8 9 0]
(10,)
10
'''
print(a.shape[1]) #IndexError: tuple index out of range b = a.reshape((2,5))
print(b)
print(a)
a[1]=99
print(b)
'''
[[ 1 99 3 4 5]
[ 6 7 8 9 0]]
[ 1 99 3 4 5 6 7 8 9 0]
[[ 1 99 3 4 5]
[ 6 7 8 9 0]]
'''这里的例子是把1*10的数组变成了2*5的数组，同时可以看出reshape是个浅拷贝过程。
Tensorflow中的reshape
参考博文：TensorFlow的reshape操作 tf.reshape_lxg0807的博客-CSDN博客_tf.reshape
# tensor 't' is [1, 2, 3, 4, 5, 6, 7, 8, 9]
# tensor 't' has shape [9]
reshape(t, [3, 3]) ==> [[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
# tensor 't' is [[[1, 1], [2, 2]],
# [[3, 3], [4, 4]]]
# tensor 't' has shape [2, 2, 2]
reshape(t, [2, 4]) ==> [[1, 1, 2, 2],
[3, 3, 4, 4]]
# tensor 't' is [[[1, 1, 1],
# [2, 2, 2]],
# [[3, 3, 3],
# [4, 4, 4]],
# [[5, 5, 5],
# [6, 6, 6]]]
# tensor 't' has shape [3, 2, 3]
问题解决
了解reshape后，找到错误代码，输入的是jpg文件，存储数据是三层二维数据为什么不能重塑呢
不断观察发现，报错中的173056正好是208*208*4，而不是208*208*3所需的129792个单元，检查确认输入的确实是jpg格式，不是png格式，怀疑输入数据的第三维数是4，就在出错代码的每一行加上
image = tf.cast(image_array, tf.float32)
print('第一个'image)
image = tf.image.per_image_standardization(image)
print('第二个'image)
image = tf.reshape(image, [1, 208, 208, 3])
print('第三个'image) 
发现只输出了前两个，且shape确实是（208，208，4），往前找到
数组的时候进行输出查看，
image = Image.open(img_dir)
image = image.resize((208, 208))
image = np.array(image)
print(image.shape, image) #(208,208,4)查看输出的数组发现规律，在最后输出的里面都是0和一列255，判断第四层数组为无效数据，所以在image转换成np.array形式后，在下面进行tf.reshape之前加上一个if语句，删掉最后一层的无效数据即可。
if image.shape==(208,208,4):
image = image[:,:,0:3]