运行Keras深度学习模型报ValueError：输入数据格式不符合要求

该报错由Keras接口输入数据格式不符合规范触发，具体逻辑如下：

• 报错触发点是Keras内部的unpack_x_y_sample_weight数据解析函数，该函数仅支持识别4种合法输入格式：单输入数组x、仅含输入的单元素元组(x,)、输入+标签对(x,y)、输入+标签+样本权重三元组(x,y,sample_weight)，超出该结构的输入都会直接抛出你看到的ValueError。
• 结合你给出的data_params配置，你的输入包含5种不同模态的特征：local_box、local_surround、pose、box、speed，对应单样本维度分别为(15,512)、(15,512)、(15,36)、(15,4)、(15,1)。
• 你当前直接传入test_data['data'][0]的本质是包含5个numpy数组的元组，Keras解析时会默认按(x,y,sample_weight,...)的固定结构拆解，读到第4个元素时就会判定格式非法。
• 训练阶段未提前报错的原因大概率是self._generator分支或validation_data的传参刚好走了生成器数据适配逻辑，没有触发该格式校验分支，预测阶段直接传裸元组就触发了报错。

根据你模型的输入结构二选一调整即可：

场景1：模型为单输入结构（5种特征提前融合为单个输入张量） #

提前将5个模态的特征按指定维度拼接为单个numpy数组，再传入接口，禁止直接传包含多个数组的元组。
参考代码：

import numpy as np
# 按实际特征融合的维度调整axis参数，时序特征一般在最后一维拼接
x_test = np.concatenate(test_data['data'][0], axis=-1)
test_results = test_model.predict(x_test, batch_size=8, verbose=1)

# 训练、验证集做相同格式处理
x_train = np.concatenate(data_train['data'][0], axis=-1)
y_train = None if self._generator else data_train['data'][1]
x_val = np.concatenate(data_val[0], axis=-1)
y_val = data_val[1]
history = train_model.fit(
    x=x_train,
    y=y_train,
    batch_size=batch_size,
    epochs=epochs,
    validation_data=(x_val, y_val),
    class_weight=class_w,
    verbose=1,
    callbacks=callbacks
)

场景2：模型为多输入结构（建模时为5个模态分别定义了独立Input层） #

将多输入特征从元组转为列表传入，Keras多输入场景要求用列表按Input层定义顺序传入对应数组。
参考代码：

# 元组转列表后传入
x_test = list(test_data['data'][0])
test_results = test_model.predict(x_test, batch_size=8, verbose=1)

# 验证集同步调整格式
x_val = list(data_val[0])
y_val = data_val[1]
history = train_model.fit(
    x=list(data_train['data'][0]),
    y=None if self._generator else data_train['data'][1],
    batch_size=batch_size,
    epochs=epochs,
    validation_data=(x_val, y_val),
    class_weight=class_w,
    verbose=1,
    callbacks=callbacks
)

修改后先做格式校验再启动训练/推理：

• 单输入场景：确认传入接口的是单个numpy数组，shape与模型输入层定义完全匹配
• 多输入场景：确认传入的是长度等于模型输入层数量的列表，列表内每个数组的shape与对应顺序的Input层匹配

注意：Keras的fit/predict/evaluate接口对元组类型输入有特殊解析逻辑，永远不要把多输入数组直接放在裸元组里传入，否则一定会被误识别为(x,y,sample_weight)结构触发格式错误。

内容的提问来源于stack exchange，提问作者Lolo