Keras模型输入形状兼容却报错：Siamese分支形状不匹配求助

核心问题 #

你的模型输入要求带批量维度（Batch Dimension），但当前传入的样本缺少这个维度：

• 模型期望输入形状：(None, 40000, 1)（None代表任意批量大小）
• 实际传入样本形状：(40000, 1)

当输入没有批量维度时，TensorFlow会错误地将40000识别为批量大小，1识别为特征维度，经过Siamese分支处理后形状被压缩为(32,1)，最终与层的期望形状不匹配，触发报错。

解决方案 #

给每个输入样本增加批量维度，将形状从(40000,1)转换为(1,40000,1)，可以通过numpy.expand_dims实现：

修改后的测试代码：

import os
import keras
import numpy as np
import tensorflow as tf
from main_copy import path_to_fft

model = keras.models.load_model(os.path.join(os.getcwd(), "model.keras"))

model.summary()
model.summary(expand_nested=True)

first_sample = path_to_fft(os.path.join(os.getcwd(), 'Sounds', 'Thomas', 'thomas_original.wav'))
second_sample = path_to_fft(os.path.join(os.getcwd(), 'Sounds', 'Thomas', 'thomas_original.wav'))

# 增加批量维度
first_sample = np.expand_dims(first_sample, axis=0)
second_sample = np.expand_dims(second_sample, axis=0)

print("First: ", first_sample.shape)  # 输出应为(1, 40000, 1)
print("Second: ", second_sample.shape)

prediction = model.predict([first_sample, second_sample])
print(prediction)

补充说明 #

• 批量维度是Keras/TensorFlow模型的标准要求，即使只预测单样本，也需要显式添加该维度。
• 你日志中看到的TensorSpec(shape=(32,), dtype=tf.int64)是TensorFlow内部追踪函数时生成的临时参数，与你的输入问题无关，无需关注。

内容的提问来源于stack exchange，提问作者Thomas