在Google Colab中解决Keras Dense层输入维度不兼容错误

问题本质 #

你的dense_30层要求输入至少是2维张量（标准格式为(批量大小, 特征数)），但实际传入的是1维张量(2,)，导致维度不匹配。

解决方法 #

1. 调整输入数据的维度
   如果是单样本输入，给数据添加一个批量维度，把形状从(2,)改成(1, 2)：

   # 用TensorFlow调整
   import tensorflow as tf
   x = tf.expand_dims(x, axis=0)
   # 或者用NumPy调整
   import numpy as np
   x = np.expand_dims(x, axis=0)
   

   如果是批量数据集，确保整体形状是(样本数量, 2)，检查数据加载流程，若意外丢失维度，用expand_dims补全。

2. 明确模型的输入层形状
   构建Sequential模型时，显式指定输入层的特征维度，让模型预期接收2维输入：

   from keras import Sequential, layers
   
   model = Sequential([
       layers.Input(shape=(2,)),  # 声明每个样本含2个特征
       layers.Dense(units=..., name='dense_30')
       # 后续层定义...
   ])
   

3. 调用模型时传入正确格式的数据
   训练或预测时，不要直接传入1维数组：
   ❌ 错误示例：model.fit(np.array([0.5, 0.3]), y_label)
   ✅ 正确示例：model.fit(np.array([[0.5, 0.3]]), y_label)

额外排查点 #

• 检查数据预处理代码，确认是否有np.squeeze这类操作意外压缩了输入维度
• 用print(x_train.shape)验证数据集形状，确保输入为(N, 2)格式（N为样本数）

内容的提问来源于stack exchange，提问作者user2102092