Keras处理IMDB情感分析时遇输入形状不匹配错误求助

嘿，这个问题其实是Keras新手常踩的小坑，我来帮你捋清楚怎么解决！

问题根源 #

你看到的错误ValueError: 检查输入时出错：预期embedding_1_input的形状为(500,)，但得到形状为(1,)的数组，本质是Keras模型默认只接受批量数据输入。你直接传入xtest[0]，它的形状是(500,)——这是单个样本的一维数组，但模型期望的输入是(批量大小, 500)这种二维格式。当你传入一维数组时，Keras会误把它当成「500个长度为1的样本」，自然就和模型要求的(500,)单样本长度不匹配了。

快速修复方案 #

只需要给单个样本加一个维度，把它包装成批量格式就行，有几种简单的方法：

方法1：用np.expand_dims扩展维度 #

修改预测代码里的这一行：

result = deep.predict(np.expand_dims(xtest[0], axis=0))

np.expand_dims会把xtest[0]的形状从(500,)变成(1, 500)，完美匹配模型的输入要求。

方法2：用列表包裹单个样本 #

更简单的方式，直接把样本放进列表里，Keras会自动识别这是一个批量（批量大小为1）：

result = deep.predict([xtest[0]])

方法3：批量预测整个测试集 #

如果你想一次性预测所有测试样本，直接传入xtest就行，因为它的形状已经是(25000, 500)，符合批量输入的格式：

results = deep.predict(xtest)

修正后的完整预测代码 #

from keras.datasets import imdb
from keras.models import load_model
from keras import preprocessing
import numpy as np

deep = load_model('ImdbLSTMtry.h5')
(xtrain, ytrain), (xtest, ytest) = imdb.load_data(num_words=10000)
xtrain = preprocessing.sequence.pad_sequences(xtrain, maxlen=500)
xtest = preprocessing.sequence.pad_sequences(xtest, maxlen=500)

# 单个样本预测
print(xtest[0].shape)  # 输出 (500,)
result = deep.predict(np.expand_dims(xtest[0], axis=0))
print(result)  # 输出该样本的情感预测概率（接近1是正面，接近0是负面）

# 可选：批量预测所有测试样本
# all_results = deep.predict(xtest)

额外提醒 #

• 你训练模型时传入的xtrain是二维数组（形状(20000, 500)），模型已经适应了批量输入的格式，所以预测时必须保持输入维度一致。
• 如果之后要处理自己的自定义文本，记得先把文本转换成IMDB数据集的数字编码格式，再用pad_sequences把长度统一到500，最后同样要包装成批量格式再传入模型哦。

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