Keras NLP分类模型predict函数问题：输入单句返回多预测数组

核心问题：输入维度不符合模型要求 #

你输入的np.array([1,2])是一维数组，Keras会把每个token当成独立的单token样本处理，因此输出对应每个样本（每个token）的分类结果。而句子分类模型要求输入为二维数组，形状是(样本数量, 序列长度)——第一个维度代表待预测的句子数量，第二个维度代表单句的token长度。

输入格式修正方案 #

给输入增加一个维度，明确表示这是1个包含2个token的句子样本：

toPredict = np.array([[1,2]])  # 形状变为(1, 2)，对应1个样本、序列长度2

prediction = self.model.predict(toPredict)
print(prediction)

修正后输出会是(1, 4)形状的数组，对应整个句子的单一分类结果。

额外验证：模型结构是否正确 #

如果输入修正后仍未得到预期结果，需确认模型最后一层做了句子级特征聚合：

• 不能直接在返回序列的循环层（比如LSTM(..., return_sequences=True)）后接分类Dense层，否则会输出每个token的分类结果。
• 必须添加全局池化层（如GlobalAveragePooling1D或GlobalMaxPooling1D），把序列特征聚合为句子级特征，再连接分类层。示例结构：

from keras.models import Sequential
from keras.layers import Embedding, LSTM, GlobalAveragePooling1D, Dense

model = Sequential()
model.add(Embedding(input_dim=你的词汇表大小, output_dim=128, input_length=你的最大序列长度))
model.add(LSTM(64, return_sequences=True))
model.add(GlobalAveragePooling1D())  # 聚合整个序列的特征
model.add(Dense(4, activation='softmax'))  # 输出句子的4分类结果

内容的提问来源于stack exchange，提问作者Dan Roberts