Keras简单神经网络model.predict报错：输入维度不兼容问题咨询

错误原因 #

你的模型定义了input_shape=[2]，说明每个输入样本包含2个特征，而Keras的predict方法要求输入为批量格式（形状为(样本数量, 特征数量)的2维数组）。你传入的test=np.array([2,1])是1维数组（形状(2,)），不符合模型的输入维度要求，因此抛出expected min_ndim=2, found ndim=1的错误。

修复方案 #

将测试输入转换成2维数组即可，以下两种方法都可以：

1. 使用np.expand_dims添加维度：

test = np.array([2,1])
test = np.expand_dims(test, axis=0)  # 将形状从(2,)转为(1,2)
print(model.predict(test))

2. 直接定义为2维数组（外层添加括号）：

test = np.array([[2,1]])  # 形状直接为(1,2)
print(model.predict(test))

补充说明 #

你训练时使用的input变量是2维数组（形状(10,2)），符合模型的输入要求，所以训练过程没有问题，仅预测阶段的输入格式出错。

内容的提问来源于stack exchange，提问作者Clmx