Keras模型预测时报形状不匹配错误，实际检查形状符合预期

这种看起来矛盾的报错我可太熟了！明明自己查了输入形状是对的，怎么模型还不认？其实问题出在Keras对输入维度的隐性要求上——你的模型期望接收的是批量输入数据，而不是单个样本的一维数组。

问题到底出在哪？ #

你看到sequences_matrix.shape输出是(150,)，这说明这是一个一维数组，代表单个长度为150的样本。但Keras的predict方法默认要求输入是批量格式：也就是形状为(样本数量, 特征数)的二维数组。当你直接传入一维数组时，Keras会误把它解析成「150个样本，每个样本只有1个特征」，这就和你的输入层期望的「每个样本150个特征」完全不匹配，所以才会抛出expected Inputs to have shape (150,) but got array with shape (1,)的错误。

快速解决办法 #

只需要给你的输入数组增加一个维度，把它变成「1个样本，150个特征」的二维格式就行，有几种简单的方式：

• 用NumPy的expand_dims：

  import numpy as np
  sequences_matrix = np.expand_dims(sequences_matrix, axis=0)
  # 现在shape会变成(1, 150)，符合模型要求
  

• 或者用索引语法快速加维度：

  sequences_matrix = sequences_matrix[np.newaxis, :]
  

• 如果用TensorFlow张量的话，也可以用tf.expand_dims：

  import tensorflow as tf
  sequences_matrix = tf.expand_dims(sequences_matrix, 0)
  

调整完形状后再运行predict = model.predict(sequences_matrix)，应该就能正常执行了。

补充说明 #

你的输入层定义的Input(shape=(150,))是在描述单个样本的形状，而Keras的所有训练/预测方法都默认处理批量数据——这是框架设计时为了兼容批量计算优化的要求，所以哪怕你只预测一个样本，也得把它包装成批量的格式才行。

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