Каждый раз, когда я пробую метод прогнозирования, я получаю следующее: Вход 0 слоя «conv2d_16» несовместим со слоем

Я пытаюсь обучить свою модель чтению некоторых рентгеновских изображений, я использую Jupyter Notebook, я импортировал библиотеки, определил свойства изображения, подготовил набор данных, создал модель нейронной сети, определил обратные вызовы... и управлял Данные, обученная модель, и я использую Tkinter в качестве графического интерфейса для использования метода, вот что я получаю, когда нажимаю кнопку для запуска метода:

WARNING:tensorflow:Model was constructed with shape (None, 128, 128, 3) for input KerasTensor(type_spec=TensorSpec(shape=(None, 128, 128, 3), dtype=tf.float32, name='conv2d_16_input'), name='conv2d_16_input', description = "created by layer 'conv2d_16_input'"), but it was called on an input with incompatible shape (None, 128, 128).

А вот моя модель нейронной сети:

model=Sequential()
model.add(Conv2D(32,(3,3),activation='relu',input_shape=(Image_Width,Image_Height,Image_Channels)))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Conv2D(128,(3,3),activation='relu'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(512,activation='relu'))
model.add(BatchNormalization())
model.add(Dropout(0.5))
model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',
  optimizer='adam',metrics=['accuracy'])

Я поместил 3 измерения в input_shape, Image_Width=128Image_Height=128Image_Channels=3

Модель была построена с формой (Нет, 128, 128, 3) для ввода, я не понимаю, почему я понимаю, почему я получаю expected min_ndim=4, found ndim=3 поправьте меня, если я ошибаюсь, я новичок в этом, спасибо за ваше время.

Обновлено: мой код tkinter gui для запуска метода:

import tkinter as tk
from tkinter import filedialog
from tkinter import *
from PIL import ImageTk, Image
import numpy
from keras.models import load_model
model = load_model('C:/Users/lenovo/PneumoniaClassification/pneumoniatest9999_10epoch.h5')
#dictionary to label all traffic signs class.
classes = { 
    0:'Normal',
    1:'Pneumonia',
 
}
#initialise GUI
top=tk.Tk()
top.geometry('800x600')
top.title('Pneumonia Classification')
top.configure(background='#CDCDCD')
label=Label(top,background='#CDCDCD', font=('arial',15,'bold'))
sign_image = Label(top)
def classify(file_path):
    global label_packed
    image = Image.open(file_path)
    image = image.resize((128,128))
    image = numpy.expand_dims(image, axis=0)
    image = numpy.array(image)
    image = image/255
    pred = model.predict([image])[0]
    sign = classes[pred]
    print(sign)
    label.configure(foreground='#011638', text=sign) 
def show_classify_button(file_path):
    classify_b=Button(top,text = "Classify Image",
   command=lambda: classify(file_path),
   padx=10,pady=5)
    classify_b.configure(background='#364156', foreground='white',
font=('arial',10,'bold'))
    classify_b.place(relx=0.79,rely=0.46)
def upload_image():
    try:
        file_path=filedialog.askopenfilename()
        uploaded=Image.open(file_path)
        uploaded.thumbnail(((top.winfo_width()/2.25),
    (top.winfo_height()/2.25)))
        im=ImageTk.PhotoImage(uploaded)
        sign_image.configure(image=im)
        sign_image.image=im
        label.configure(text='')
        show_classify_button(file_path)
    except:
        pass
upload=Button(top,text = "Upload an image",command=upload_image,padx=10,pady=5)
upload.configure(background='#364156', foreground='white',font=('arial',10,'bold'))
upload.pack(side=BOTTOM,pady=50)
sign_image.pack(side=BOTTOM,expand=True)
label.pack(side=BOTTOM,expand=True)
heading = Label(top, text = "Pneumonia Classification",pady=20, font=('arial',20,'bold'))
heading.configure(background='#CDCDCD',foreground='#364156')
heading.pack()
top.mainloop()