我不知道如何解决这个错误，我也尝试过将其转换为float 32

import cv2
import tensorflow as tf
import numpy as np

CATEGORIES = ["gas", "break","stop"]

model = tf.keras.models.load_model("trained")

def prepare(filepath):
    IMG_SIZE = 256  # 50 in txt-based
    img_array = cv2.imread(filepath)
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
    arr=new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 3)
    return arr

x=prepare('img.jpg')
x = tf.keras.utils.normalize(x, axis=1)
x = x.astype('float32') 
print(x.dtype)
prediction = model.predict([x])
print(prediction)  # will be a list in a list.
print(CATEGORIES[np.argmax(prediction[0])])

float 32------------------------------------------------------------------------------------------值错误追溯（最近调用最后）in 11 x = x.astype（'float 32'）12打印（x.dtype）---〉13预测=模型.预测（[x]）14打印（预测）#将是列表中的列表。15打印（类别[np.argmax（预测[0]）]）
~\anaconda 3\envs\tf\lib\站点包\tensorflow_core\python\keras\engine\training.py在预测中（自身，x，批处理大小，详细，步骤，回调，最大队列大小，工作进程，使用多处理）1011
最大队列大小=最大队列大小，1012工作者=工作者，-〉1013使用多处理=使用多处理）1014 1015定义重置度量（自）：
~\anaconda 3\envs\tf\lib\站点包\tensorflow 核心\python\keras\引擎\训练_v2.py在预测中（self，model，x，batch_size，verbose，步骤，回调，最大队列大小，worker，use_multiprocessing，*kwargs）496模型，模式键.PREDICT，x=x，批处理大小=批处理大小，verbose=详细，497步骤=步骤，回调=回调，最大队列大小=最大队列大小，--〉498工作进程=工作进程，使用多重处理=使用多重处理，kwargs）499 500
~\anaconda 3\envs\tf\lib\站点包\tensorflow 核心\python\keras\引擎\模型迭代中的培训版本2.py（自身、模型、模式、x、y、批处理大小、详细、样本权重、步骤、回调、最大队列大小、工作者、使用多处理、kwargs）473模式=模式，474训练上下文=训练上下文，--〉475总时期=1）476 cbks.make_logs（模型、epoch_logs、结果、模式）477
~\anaconda 3\envs\tf\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py在运行一个时期（模型、迭代器、执行函数、数据集大小、批处理大小、策略、每个时期的步骤数、样本数、模式、训练上下文、总时期数）126个步骤=步骤、模式=模式、大小=当前批处理大小）中作为批处理日志：127 try：--〉128 batch_outs =执行函数（迭代器）129除外（停止迭代，错误.超出范围错误）：130 #待办事项（卡夫坦）：关于tf函数和错误的文件错误。超出范围错误？
~\anaconda 3\envs\tf\lib\站点包\tensorflow 核心\python\keras\引擎\训练v2_实用工具.py在执行函数（输入fn）中96 #numpy将Tensor转换为“渴望”模式中的值。97返回nest.map结构（_非_无_常量_值，---〉98分布式函数（输入fn））99 100返回执行函数
~\anaconda 3\envs\tf\lib\站点包\tensorflow_core\python\eager\def_函数.py在调用（自身，参数，知识）566 xla_上下文中。退出（）567否则：--〉568结果=自身.调用（ 参数，kwds）569 570如果跟踪计数==自身.获取跟踪计数（）：
~\anaconda 3\envs\tf\lib\site-packages\tensorflow_core\python\eager\def_function.py in _call（self，*args，kwds）613 #这是call的第一个调用，所以我们必须初始化。614初始化器= [] --〉615 self._initializers（args，kwds，add_initializers_to=初始化器）616最后：617 #此时，我们知道初始化已完成（或更少
~\anaconda 3\envs\tf\lib\站点包\tensorflow_core\python\eager\def_function.py in _initialize（自身，参数，知识，添加初始化程序到）495自身.具体有状态fn =（496自身.有状态fn.获取具体函数内部垃圾收集（

pylint：禁用=受保护访问

--〉497 * 参数，*kwds））498 499定义无效的创建者作用域（ 未使用的参数，*未使用的kwds）：
~\anaconda 3\envs\tf\lib\站点包\tensorflow_core\python\eager\函数. py在_get_concrete_function_internal_garbage_collected（自身， 参数，*kwargs）2387个参数，kwargs =无，无2388个带有自身的.lock：- 〉2389图形函数，，_ =自身。_可能定义函数（参数，字符）2390返回图形函数2391
~\anaconda 3\环境变量\tf\库\站点包\tensorflow 核心\python\eager\函数. py在可能定义函数（self，args，kwargs）中2701 2702
自身.函数缓存.未命中.添加（调用上下文键）-〉2703图形函数=自身.创建图形函数（参数，字符）2704自身.函数缓存.主要[缓存键] =图形函数2705返回图形函数，参数，字符
~\anaconda 3\envs\tf\lib\站点包\tensorflow 核心\python\eager\函数. py中的创建图形函数（自定义，参数，kwargs，覆盖平面参数形状）2591参数名称=参数名称，
2592 override_flat_arg_shape =override_flat_arg_shape，-〉2593按值捕获=self.按值捕获），2594 self._function_attributes，2595 #告诉ConcreteFunction在其图形超出
~\anaconda 3\envs\tf\lib\站点包\tensorflow 核心\python\框架\函数图.py位于函数图来源函数中（名称、python函数、参数、kwargs、签名、函数图、签名、签名选项、添加控制依赖项、参数名称、操作返回值、集合、按值捕获、覆盖扁平参数形状）976已转换函数）977 --〉978函数输出= python函数（ 函数参数，**函数代码）979 980 #不变式：func_outputs仅包含Tensor、复合Tensor、

~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\eager\定义函数. py（位于wrapped_fn中）（* args，kwds）437 #wrapped允许AutoGraph换入转换后的函数。我们给438 #函数一个弱引用以避免循环引用。--〉439 return weak_wrapped_fn（）. Package *（ 参数，kwds）440弱 Package fn =弱引用. ref（ Package fn）441
~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\keras\引擎\培训v2实用程序. py，位于分布式函数中（输入迭代器）83个参数=准备馈送值（模型，输入_迭代器，模式，策略）84个输出=策略.实验_运行_v2（---〉85 per_replica_function，args = args）86 #超出PerReplica的输出减少或选取要返回的值。87 all_outputs = dist_utils. unwrap_output_dict（
~\anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\distribute\distribute_lib.py in experimental_run_v2(self, fn, args, kwargs) 761 fn = autograph.tf_convert(fn, ag_ctx.control_status_ctx(), 762 convert_by_default=False) --> 763 return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs) 764 765 def reduce(self, reduce_op, value, axis):
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\distribute\distribute_lib. py在调用每个复制副本（self，fn，args，kwargs）1817中kwargs ={} 1818与self.容器策略（）. scope（）：- 〉1819返回自身.调用每个副本（fn，参数，字符）1820 1821定义调用每个副本（自身，fn，参数，字符）：
~\ anaconda3\环境变量\tf\库\站点包\tensorflow 核心\python\分发\分发库. py in_call_for_each_replica（self，fn，args，kwargs）2162
自身_容器_策略（），2163
同步组中的复制品ID =常量操作常量（0，dtypes.int32））：- 〉2164返回fn（ args，kwargs）2165 2166定义_reduce_to（自身，减少_操作，值，目标）：
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\签名\实现\api.py在 Package 器中（ 参数，kwargs）290定义 Package 器（ 参数，kwargs）：291具有ag_ctx.控制状态控制（状态= ag_ctx.状态.已禁用）：- -〉292返回函数（ 参数，kwargs）293 294如果检查. isfunction（函数）或检查. ismethod（函数）：
~\ anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\keras\engine\training_v2_utils. py in_predict_on_batch（*解析参数失败）210 dely，样本权重211 #注意x和batch_index已经是每个副本值。--〉212结果= predict_on_batch（模型，x）213如果batch_index为None：214返回结果
~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\keras\引擎\训练v2_实用工具. py在预测_on_批处理（模型，x，独立）554 555中，带有后端。渴望学习阶段作用域（0）：- -〉556返回批处理fn（输入）的预测值#pylint：禁用=不可调用
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\keras\engine\基础层. py在调用（自身，输入， 参数，kwargs）776输出=基础层实用程序. mark_as_return（输出，acd）777其他：- -〉778输出= call_fn（cast_inputs， args，kwargs）779 780，错误除外。运算符不允许在图形中出现错误，如：
调用中的~\ anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\keras\engine\sequential.py（自定义，输入，训练，掩码）279 kwargs ['训练']=训练280--〉281输出=层（输入，kwargs）282 283 #outputs将成为下一层的输入。
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\keras\engine\基础层. py在调用（自身，输入， 参数，kwargs）776输出=基础层实用程序. mark_as_return（输出，acd）777其他：- -〉778输出= call_fn（cast_inputs， args，kwargs）779 780，错误除外。运算符不允许在图形中出现错误，如：
~\ anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\keras\saving\saved_model\utils.py中的返回输出和添加损耗（ 参数，kwargs）57个输入=参数[输入参数索引] 58个参数=参数[输入参数索引+1：]---〉59个输出，损耗= fn（输入， 参数，kwargs）60层.添加损耗（损耗，输入）61个返回输出
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\eager\def_函数. py在调用（自身，参数，知识）566 xla_上下文中。退出（）567否则：- -〉568结果=自身.调用（ 参数，kwds）569 570如果跟踪计数==自身.获取跟踪计数（）：
~\ anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\eager\def_function. py in_call（self， args，kwds）604 #在这种情况下，我们没有在第一次调用时创建变量。所以我们可以605 #运行第一次跟踪，但如果创建了变量，我们将失败。--〉606 results = self._stateful_fn（ args，kwds）607 if self._created_variables：608 raise ValueError（"在非首次调用函数时创建变量"
~\ anaconda3\envs\tf\lib\site-packages\tensorflow_core\python\eager\function.py incall（self， args，**kwargs）2360 """调用专用于输入的图形函数。""" 2361使用self._lock：- 〉2362图形函数，参数，kwargs = self.可能定义函数（参数，kwargs）2363返回图形函数.过滤调用（参数，kwargs）#pylint：禁用=受保护访问2364

~\ anaconda3\环境变量\tf\库\站点包\tensorflow 核心\python\eager\函数. py在可能定义函数（self，args，kwargs）中2701 2702
自身.函数缓存.未命中.添加（调用上下文键）-〉2703图形函数=自身.创建图形函数（参数，字符）2704自身.函数缓存.主要[缓存键]=图形函数2705返回图形函数，参数，字符
~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\eager\函数. py中的创建图形函数（自定义，参数，kwargs，覆盖平面参数形状）2591参数名称=参数名称，
2592 override_flat_arg_shape = override_flat_arg_shape，-〉2593按值捕获= self.按值捕获），2594 self._function_attributes，2595 #告诉ConcreteFunction在其图形超出
~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\框架\函数图. py位于函数图来源函数中（名称、python函数、参数、kwargs、签名、函数图、签名、签名选项、添加控制依赖项、参数名称、操作返回值、集合、按值捕获、覆盖扁平参数形状）976已转换函数）977--〉978函数输出= python函数（* 函数参数，*函数代码）979 980 #不变式：func_outputs仅包含Tensor、合成Tensor、
~\ anaconda3\envs\tf\lib\站点包\tensorflow 核心\python\eager\定义函数. py（位于wrapped_fn中）（ args，kwds）437 #wrapped允许AutoGraph换入转换后的函数。我们给438 #函数一个弱引用以避免循环引用。--〉439 return weak_wrapped_fn（）. Package *（ 参数，*kwds）440弱 Package fn =弱引用. ref（ Package fn）441
~\ anaconda3\envs\tf\lib\站点包\tensorflow_core\python\保存的模型\函数反序列化. py位于还原的函数体（ 参数，kwargs）260.格式（漂亮格式位置（参数），kwargs，261长度（保存的函数.具体函数），--〉262 "\n\n".连接（签名描述））263 264具体函数对象=[]
ValueError：找不到要调用的匹配函数，该函数从
已保存模型。得到：位置参数（共1个）： Tensor（"输入：0"，形状=（无，256，256，3），数据类型= uint8）关键字参数：{}
这些参数应与以下1个选项之一匹配：
备选案文1：立场论点（共1个）： TensorSpec（形状=（无，256，256，3），数据类型= tf.float32，名称="输入"）关键字参数：{}