如何解决Keras多输入模型调用model.predict时的ValueError报错

核心错误分析 #

1. 空输入问题：np.append不会修改原数组，必须将返回值重新赋值给变量。你原来的循环中没有赋值，导致input1和input2始终是空数组，模型接收到空输入后报错。
2. 多输入传参错误：Keras多输入模型的predict方法，需要将多个输入打包成**列表（或字典）**传入，而不是分开作为两个参数传递。

修正后的代码 #

直接通过切片获取输入并补充batch维度（即使是单样本，模型也需要接收批量维度的输入）：

import numpy as np

# 单样本预测：从trainX中取第0个样本，拆分并添加batch维度
input1 = trainX[0, :21].reshape(1, 21)  # 形状变为(1, 21)，符合模型输入要求
input2 = trainX[0, 21:].reshape(1, 7)   # 形状变为(1, 7)

# 多输入打包成列表传入predict
q = model.predict([input1, input2])

批量预测扩展 #

如果需要对整个trainX做预测，直接切片即可（无需循环）：

input1 = trainX[:, :21]  # 形状为(n_samples, 21)
input2 = trainX[:, 21:]   # 形状为(n_samples, 7)

q = model.predict([input1, input2])

额外说明 #

• 避免用循环逐个元素append，numpy切片操作更高效且不易出错。
• 如果你的模型输入有命名（比如定义时指定了name参数），也可以用字典传参，比如model.predict({"input_name1": input1, "input_name2": input2})。

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