如何解决TensorFlow中model.predict()的形状不兼容值错误？

你的模型输入层l0 = tf.keras.layers.Dense(units=4, input_shape=(3,))定义的输入形状是(None, 3)——其中None代表可变的批量大小，第二个维度是每个样本的特征数3。但你调用model.predict([2,2,4])时，传入的是一维数组(3,)，缺少了批量维度，导致输入形状和模型预期不匹配，触发警告。

有两种简单的修正方式，任选其一即可：

方法1：给输入增加一层括号，转为二维数组 #

直接把输入包裹成二维结构，让它的形状变成(1, 3)（1个样本，3个特征）：

model.predict([[2,2,4]])

方法2：用np.expand_dims显式添加批量维度 #

通过numpy的方法给一维数组增加一个维度：

input_data = np.array([2,2,4])
model.predict(np.expand_dims(input_data, axis=0))

训练时你传入的inum是二维数组（形状(4,3)，对应4个样本，每个3个特征），和模型输入要求匹配，所以训练阶段没有问题。预测单个样本时，必须保持输入的维度结构和训练一致，也就是至少是二维数组。

内容的提问来源于stack exchange，提问作者MOHD SAAD