训练文本摘要模型加载后触发TextVectorization输入维度错误求助

问题根源 #

TextVectorization层要求输入为一维字符串张量（形状如(batch_size,)或(batch_size,1)），但你当前传入的是形状为(None,7)的二维张量，每个样本包含7个元素，不符合层的输入要求，导致报错。

具体修复步骤 #

• 提取正确的输入文本列
  检查推理时传入的数据，大概率是误将数据集的多列（比如文本列+情感标签列等）一起传入。只需要提取出用于生成摘要的单文本列即可：

  # 假设你的数据存储在DataFrame中，text_column是待摘要的文本列名
  input_text = df['text_column'].values  # 此时形状为(n_samples,)，符合要求
  predictions = model.predict(input_text)
  

• 拼接多文本片段（如果训练时是拼接输入）
  如果训练时你是将7个文本片段拼接成单个字符串输入模型，那推理时也要执行相同的预处理：

  import numpy as np
  
  def concat_text_samples(input_data):
      # 将每个样本的7个字符串拼接为单个文本
      return np.array([' '.join(sample) for sample in input_data])
  
  # 处理输入后再传入模型
  processed_input = concat_text_samples(your_7d_input_data)
  predictions = model.predict(processed_input)
  

• 验证模型输入形状
  打印模型的输入形状，确认训练与推理的输入结构一致：

  print(model.input_shape)
  

  如果输出为(None,)或(None,1)，则必须保证推理输入匹配该形状；若训练时输入层为(None,7)，则需检查训练阶段TextVectorization的配置是否合理（文本摘要场景通常不需要多列输入）。

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