TensorFlow中输入张量的数据重塑问题求助

错误原因 #

你的模型输入维度不匹配：

• 从input_details可以看到，模型当前期望的输入形状是[1, 2]，也就是1个样本（维度0长度为1），每个样本包含2个特征（维度1长度为2）。
• 但你的input_data来自5000行2列的CSV，实际形状为(4999, 2)（或(5000,2)），维度0的长度是4999，和模型期望的1不匹配，因此触发维度不匹配错误。

另外注意shape_signature中的[-1, 2]，其中-1表示模型支持任意数量的批量样本，只是当前默认输入形状被设为单样本模式。

解决办法 #

有两种可行的处理方式：

1. 批量处理所有样本 #

直接调整模型输入形状以适配批量数据，代码示例：

import numpy as np

# 假设input_data是形状为(4999, 2)的numpy数组
# 调整输入张量形状为数据实际形状
interpreter.resize_tensor_input(input_details[0]['index'], input_data.shape)
interpreter.allocate_tensors()
# 转换数据类型为模型要求的float32，再设置张量
interpreter.set_tensor(input_details[0]['index'], input_data.astype(np.float32))

2. 逐个处理单样本 #

如果不需要批量运算，循环遍历每个样本输入，代码示例：

import numpy as np

for sample in input_data:
    # 将单个样本形状从(2,)调整为(1,2)，匹配模型输入要求
    input_sample = sample.reshape(1, 2).astype(np.float32)
    interpreter.set_tensor(input_details[0]['index'], input_sample)
    interpreter.invoke()
    # 获取并处理输出结果
    output_data = interpreter.get_tensor(output_details[0]['index'])

额外注意事项 #

• 必须确保input_data的数据类型为numpy.float32，与模型输入要求的dtype一致，若CSV读取后为整数类型，需手动转换。

内容的提问来源于stack exchange，提问作者ofithch79