C#加载TensorFlow Keras训练的ONNX模型输入重塑错误解决

我尝试将形状为(1, 37)的float[]数组输入到TensorFlow Keras训练并导出的ONNX模型中，模型要求的输入形状为3D的(1, 1, 37)，因此我使用以下代码进行重塑，但在执行session.Run(inputs)时出现如下错误：

Microsoft.ML.OnnxRuntime.OnnxRuntimeException:
'[ErrorCode:InvalidArgument] Got invalid dimensions for input:
float_input for the following indices index: 1 Got: 1 Expected: 37
index: 2 Got: 37 Expected: 1

我的代码如下：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
            
var model_file = "C:/keras_model.onnx";
var session = new InferenceSession(model_file);
Console.WriteLine("Hellof, World!");
// 获取输入张量名称
var inputNames = session.InputMetadata.Values;

// 打印输入张量名称
foreach (var inputName in inputNames)
{
    Console.WriteLine("Input name: " + inputName);
}

var inputData1 = new float[] { 1.10E+01f,4.00f,1.00f,3.00f,3.00f,8.00f,5.00f,7.00f,2.00f,7.00f,7.00f,1.00f,4.00f,3.00f,3.00f,1.00f,5.00f,0.00f,1.00f,2.30E+01f,-1.70E-01f,2.08E-01f,2.02E-01f,-1.06f,7.71E-02f,2.29E-01f,4.94E-02f,4.04E-02f,1.10E-01f,1.08E-01f,-2.29E-01f,-4.22E-01f,1.34E-02f,3.38E-01f,-3.79E-02f,2.91E+02f,2.91E+02f };
var inputTensor = new DenseTensor<float>(inputData1, new int[] { 1, 37 }); // 输入形状: (1, 37)
var reshapedInput = inputTensor.Reshape(new int[] { 1, 1, 37 }); // 新形状: (1, 1, 37)

var inputs = new List<NamedOnnxValue>() {
        NamedOnnxValue.CreateFromTensor<float>("float_input",reshapedInput),
    };
    
var results = session.Run(inputs);

解决方法 #

错误提示明确说明，模型实际期望的输入形状是(1, 37, 1)，而非你预设的(1,1,37)。这是因为Keras导出ONNX时，维度顺序可能发生了转换（Keras默认采用channels_last维度顺序，导出ONNX时会保持该逻辑）。

你可以通过两种方式修正：

• 方式一：直接创建目标形状的张量
  跳过中间重塑步骤，直接用输入数据生成模型期望的3D张量：

  var inputTensor = new DenseTensor<float>(inputData1, new int[] { 1, 37, 1 });
  

• 方式二：正确重塑已有张量
  如果需要先处理(1,37)形状的张量，再将其重塑为模型要求的形状：

  var inputTensor = new DenseTensor<float>(inputData1, new int[] { 1, 37 });
  var reshapedInput = inputTensor.Reshape(new int[] { 1, 37, 1 });
  

原因说明 #

错误信息中的维度索引对应张量的各个维度：index=1对应第二个维度，模型期望该维度为37；index=2对应第三个维度，模型期望该维度为1。这意味着模型实际要求的输入形状是(batch_size, feature_count, channel)，也就是(1,37,1)，而非你之前理解的(1,1,37)。

内容的提问来源于stack exchange，提问作者jad