非序列Keras模型输入形状不兼容错误的修复方法

问题根源 #

你训练时用字典形式按名称传递输入数据，但验证数据用元组形式按顺序传递，这种混合传递方式可能引发输入匹配问题；更关键的是，你的X_valid_B实际形状为(None,5)，不符合模型deep_input期望的6个特征要求。

修复步骤 #

1. 统一输入传递格式 #

将验证数据改为字典形式传递，按输入名称匹配，彻底避免顺序错误：

history = complex_model_2_1.fit(
    {"wide_input": X_train_A, "deep_input": X_train_B},
    y_train,
    epochs=20,
    validation_data=(
        {"wide_input": X_valid_A, "deep_input": X_valid_B},
        y_valid
    )
)

2. 验证数据特征数正确性 #

检查X_valid的特征数是否和X_train一致为8个，添加打印语句确认：

print(f"Shape of X_valid: {X_valid.shape}")
print(f"Shape of X_valid_B: {X_valid_B.shape}")

如果X_valid特征数不是8，说明你在分割训练/验证集时出现错误，需重新检查数据分割代码，确保特征维度一致。

3. 确认所有输入数据的特征数 #

对测试集和新数据也做同样的检查，确保X_test_B、X_new_B的形状都是(None,6)：

print(f"Shape of X_test_B: {X_test_B.shape}")
print(f"Shape of X_new_B: {X_new_B.shape}")

补充说明 #

你提到Gemini给出的X_train_B = X_train[:,5:]是错误的，因为这会只取最后3个特征，完全不符合模型deep_input需要6个特征的要求，你的原始切片X_train[:,2:]是正确的（8个特征中取索引2到7，共6个特征）。

内容的提问来源于stack exchange，提问作者Guy NANA