TensorFlow 2.8调用model.predict报错：无法转换NumPy数组为Tensor

你的X_test是dtype为object的嵌套numpy数组——外层是一个包含13个独立numpy数组的ndarray，而非单一的、形状统一的多维数组。TensorFlow无法直接将这种嵌套结构转换为张量，因此抛出ValueError。

1. 确认子数组形状一致性 #

先检查每个子数组的形状是否完全相同（这是合并的前提）：

import numpy as np
for idx, sub_arr in enumerate(X_test):
    print(f"子数组{idx}形状: {sub_arr.shape}")

2. 合并为统一形状的数组 #

如果所有子数组形状一致，用np.stack或np.concatenate将它们合并成单一的多维数组：

# 用stack在第0维合并（对应样本维度，最常用）
X_test_fixed = np.stack(X_test, axis=0)

# 验证合并后的数组
print(f"合并后数组形状: {X_test_fixed.shape}")
print(f"合并后数组类型: {type(X_test_fixed)}")

如果子数组需要在其他维度拼接，可调整axis参数（比如axis=1），具体根据模型输入层的形状要求决定。

3. 重新调用预测 #

使用合并后的数组执行预测：

model.predict(X_test_fixed)

特殊情况处理 #

如果子数组形状不一致，需要先对数据做预处理（比如裁剪、填充到统一长度），确保所有输入样本的形状匹配模型的输入层定义。

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