如何讓經過訓練的模型識別我從其他地方提取的圖像？該模型使用 MNIST 數據集進行訓練，模型要識別的圖像是從文檔中提取的手寫數字。使用的庫是tensorflow 2.0、cv2和numpy。據我了解，model.predict()確定其輸入。我的意思是，如果我在那里以某種形式輸入“3”的手寫圖像，它將識別并輸出“3”。同樣，這說model是使用基于這組教程的 MNIST 數據集進行訓練的。假設是，我想知道函數的參數，或者我將如何格式化圖像/圖像集以獲得預期的輸出。如果沒有，我想知道我將如何準確地做到這一點。import cv2import matplotlib.pyplot as pltimport numpy as npimport tensorflow as tffrom tensorflow import keras# Load and prepare the MNIST dataset. Convert the samples from integers to floating-point numbers:(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0def createModel():    # Build the tf.keras.Sequential model by stacking layers.   # Choose an optimizer and loss function used for training:  model = tf.keras.models.Sequential([    keras.layers.Flatten(input_shape=(28, 28)),    keras.layers.Dense(128, activation='relu'),    keras.layers.Dropout(0.2),    keras.layers.Dense(10, activation='softmax')  ])  model.compile(optimizer='adam',                loss='sparse_categorical_crossentropy',                metrics=['accuracy'])  return modelmodel = createModel()model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))model.evaluate(x_test, y_test)c = cv2.imread("./3.png", 1)c = c.reshape(-1, 28*28)/255.0# now what?我預計model.predict()會做我需要的。到目前為止，這是我的嘗試：model.predict(c) 輸出 TypeError: predict() missing 1 required positional argument: 'x'model.predict([""], c)輸出ValueError: When using data tensors as input to a model, you should specify the步驟argument.等等。我知道在這一點上我會盲目和錯誤地進入。朝著正確方向邁出的任何一步都值得贊賞。謝謝！編輯：所以我知道輸入圖像c應該是灰度 28x28 甚至在重塑之前，所以我嘗試跳過它。我實現預測時出現的錯誤是：...tensorflow.python.framework.errors_impl.InvalidArgumentError: Matrix size-incompatible: In[0]: [28,28], In[1]: [784,128]     [[{{node dense/MatMul}}]] [Op:__inference_keras_scratch_graph_2593]所以我c = c.reshape(-1, 28*28)/255.0在預測之前使用過，但它從來沒有預測任何數字的正確值。然后我嘗試用它cv2.imshow(str(predicted_value), c)來顯示輸入圖像的樣子。顯示的圖像只是黑色和白色斑點的細線。由于我仍然無法鏈接圖像，因此這里是指向輸出的鏈接。我的問題是，這是否是模型的圖像應該看起來的樣子？或者我可能搞砸了？謝謝！