使用ONNX Runtime时遇Invalid Argument Error，代码是否正确？

错误原因 #

报错提示输入float_input的第二个维度（索引1）实际值为1，但模型期望是4，核心问题是输入数据的特征维度与模型训练时的输入维度不匹配，同时你的代码在提取输入数据时存在逻辑错误。

代码问题定位 #

你想要提取数据集的首行作为输入，但X.iloc[:,[0]]的作用是提取所有行的第一列，得到的是形状为(183, 1)的数组，既不是首行数据，特征数也只有1，完全不符合模型的输入要求。

修正步骤 #

1. 正确提取并调整输入数据形状 #

将提取首行的代码替换为以下内容，确保取到首行的所有特征，并调整为模型期望的批量输入格式（通常ONNX模型要求输入为二维数组，形状为(批量大小, 特征数)）：

# 提取首行的所有特征，转换为numpy数组
x = X.iloc[0, :].to_numpy()
# 调整形状为(1, 特征数)，适配模型的批量输入要求
x = x.reshape(1, -1)
# 转换为模型要求的float32类型
x = x.astype(numpy.float32)

2. 确认模型输入要求 #

可以先打印模型期望的输入形状，明确特征维度是否正确：

input_shape = sess.get_inputs()[0].shape
print("模型期望的输入形状：", input_shape)

如果输出类似[None, 4]，说明模型要求输入的特征数为4，但你的当前X有20000列，这意味着你在数据转换环节可能遗漏了和训练时一致的特征选择/降维步骤，需要核对训练流程，确保当前输入的特征数量、顺序、预处理逻辑和训练阶段完全一致。

3. 完整修正后的代码片段 #

import pandas as pd
import pyodbc 
import datetime
import numpy
import onnxruntime as rt

data = pd.read_sql(data_sql,cnxn)
# 确保此处的转换步骤和训练模型时完全一致
X = data.drop('Field_T',axis=1)

sess = rt.InferenceSession("Importedrf_iris.onnx")

input_name = sess.get_inputs()[0].name
output_name = sess.get_outputs()[0].name

# 修正输入数据提取与形状调整
x = X.iloc[0, :].to_numpy()
x = x.reshape(1, -1)
x = x.astype(numpy.float32)

res = sess.run([output_name], {input_name: x})[0]
print(res)

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