TensorFlow求和模型预测输出为2个值而非1个的问题排查

你的模型输出维度不符合预期，核心问题是Sequential模型中层的顺序和参数传递完全错误：

在模型定义行：

model=tf.keras.Sequential([tf.keras.layers.Dense(1,tf.keras.layers.Flatten(input_shape=(2,)))])

你错误地将Flatten层作为Dense层的第二个参数（即activation参数的位置）传入，而非将Flatten作为独立层添加到Sequential列表中。这会导致：

• Dense层没有正确接收展平后的输入，反而将Flatten层当作激活函数使用，完全不符合逻辑
• 模型无法正确解析输入维度：你的输入xs原始形状是(4,1,2,1)，错误的层结构让模型没有完成输入展平的操作，最终输出了不符合预期的(4,2)形状

将层的顺序调整为先展平输入，再连接Dense输出层，正确的模型定义代码如下：

model=tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(1,2,1)),  # 匹配xs的原始输入维度
    tf.keras.layers.Dense(1)  # 输出1个值对应目标和
])

如果希望手动提前处理输入，也可以先展平xs再定义模型：

# 手动将xs展平为(4,2)形状
xs_flattened = xs.reshape(4, 2)
# 此时模型输入形状设为(2,)
model=tf.keras.Sequential([
    tf.keras.layers.Dense(1, input_shape=(2,))
])

修正后重新训练模型，predict的输出就会是预期的(4,1)形状，对应每个输入的和的预测值。

内容的提问来源于stack exchange，提问作者Dilip Pokhrel