GRU模型输入维度不匹配报错：expected ndim=3, found ndim=2 求助

模型定义 #

model_gru = Sequential()

model_gru.add(GRU(128, activation='relu', input_shape=(50, 1), return_sequences=True))
model_gru.add(BatchNormalization())
model_gru.add(Dropout(0.2))

model_gru.add(GRU(64, activation='relu'))
model_gru.add(BatchNormalization())
model_gru.add(Dropout(0.2))

model_gru.add(Dense(32,activation='relu'))
model_gru.add(Dense(5,activation='softmax'))

print(model_gru.summary())

预测代码及报错 #

运行以下预测代码时出现报错：

model_gru.load_weights(r"C:\Users\Admin/gru_model.h5")
q_test_gru = model_gru.predict(test_data, verbose=0)
y_test_gru = q_test_gru.argmax(1)

报错信息：

ValueError: Input 0 of layer sequential_36 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 50)

解决方法 #

报错原因 #

你的GRU模型第一层指定了input_shape=(50, 1)，这要求输入必须是3维张量，格式为(批量大小, 时间步长, 特征数)。但当前test_data是2维张量(None, 50)，缺少了最后一个特征维度（值为1），所以导致维度不匹配。

修复步骤 #

给test_data添加最后一个特征维度，有两种简单方式：

1. 使用np.expand_dims在最后一维扩展：

import numpy as np
test_data = np.expand_dims(test_data, axis=-1)

2. 使用reshape调整形状：

test_data = test_data.reshape(-1, 50, 1)

其中-1表示让系统自动计算批量大小，保证和原数据的样本数一致。

额外验证 #

确保你训练模型时，输入数据的格式也是(批量大小, 50, 1)，和模型定义的输入形状一致，这样保存的权重才会和预测时的输入维度兼容。

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