使用DQN训练CartPole时keras.predict()维度不匹配错误求助

问题根源 #

Keras的predict函数要求输入为批量二维数组（形状为(样本数, 特征数)），但你传入的state是一维数组（形状(4,)），导致模型矩阵乘法时，输入维度[4]与层权重维度[4,24]不匹配，触发报错。

具体修复步骤 #

1. 修正输入维度 #

调用predict前，给单个状态增加批量维度，将形状从(4,)转为(1,4)：

# 原错误代码
q_value = self.model.predict(state)
# 修改后
import numpy as np
q_value = self.model.predict(np.expand_dims(state, axis=0), verbose=0)[0]

• np.expand_dims(state, axis=0)：给一维数组增加第0维度，变成批量格式
• [0]：取出批量中的单个样本结果，恢复原逻辑需要的一维Q值数组
• verbose=0：关闭predict的日志输出，避免冗余信息

如果是批量状态states，确保其形状为(批量大小, 4)，若为一维数组则用states = np.array(states).reshape(-1, 4)修正。

2. 验证模型输入层定义 #

确认模型输入层匹配CartPole的4维状态，示例正确定义：

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam

def build_model(self):
    model = Sequential()
    model.add(Dense(24, activation='relu', input_shape=(4,)))  # 输入形状为(4,)，对应4维状态
    model.add(Dense(24, activation='relu'))
    model.add(Dense(2, activation='linear'))  # CartPole有2个可选动作
    model.compile(optimizer=Adam(learning_rate=0.001), loss='mse')
    return model

避免输入层写成input_shape=(4,1)或其他错误形状。

3. 检查输入数据形状 #

在调用predict前打印输入形状，确认格式正确：

print(state.shape)  # 应输出(1,4)（单个样本）或(n,4)（批量样本）

内容的提问来源于stack exchange，提问作者donghyunlee