TensorFlow模型输入形状不兼容报错排查求助

问题根源 #

模型定义的输入形状为(None, 199, 161)，对应三维张量格式：(批量大小, 时间步长, 特征维度)。但代码中用reshape(1,-1)将单样本展平成了二维张量(1, 31939)，而Conv1D层要求输入至少为三维，因此触发形状不兼容的ValueError。

修正方案 #

无需展平特征，只需为单样本添加批量维度，保持原有的三维结构即可：

修改后的运行代码 #

feature = X_test_features[index]
# 给单样本添加批量维度，从(199,161)转为(1,199,161)，匹配模型输入要求
prob = model3.predict(feature.reshape(1, 199, 161))
# 也可以用更通用的写法，自动保留原特征维度：
# prob = model3.predict(feature[np.newaxis, ...])
if prob[0][0] < 0.5:
    pred = 'emergency'
else:
    pred = 'non emergency'
print("Prediction:", pred)

额外提示 #

• 可以先打印feature.shape确认单样本的形状是否为(199,161)，避免因数据预处理环节的偏差导致形状不符。
• 使用feature[np.newaxis, ...]的写法更灵活，无需硬编码维度数值，适用于任意固定的后两维形状。

内容的提问来源于stack exchange，提问作者AMIR HAMZA SHAIKH