TensorFlow回归模型训练差、predict报Empty batch_outputs错误如何解决？

两个问题的核心根源都是数据集构造和切分逻辑错误：

• 你调用np.expand_dims(..., axis=0)是在第0维增加维度，最终生成的X_regression、y_regression形状都是(1, 200)（0到1000步长为5的序列共200个值）。
• 执行X_regression[:150]切分数据集时，是在第0维度做切片，而该维度只有1个元素，最终X_reg_train形状仍为(1, 200)（相当于把200个样本当成1个样本的200个特征输入，训练逻辑完全错误，所以效果极差），X_reg_test则是空数组，调用predict时输入空数据就会触发Empty batch_outputs报错。

仅需要修正数据集的维度扩展逻辑，把样本维度放在第0位，特征维度放在第1位，将axis=0改为axis=1即可：

# Set random seed
tf.random.set_seed(42)

# Create some regression data，修正expand_dims的轴参数
X_regression = np.expand_dims(np.arange(0, 1000, 5), axis=1)
y_regression = np.expand_dims(np.arange(100, 1100, 5), axis=1)

# Split it into training and test sets，现在第0维是200个样本，切分结果正常
X_reg_train = X_regression[:150]
X_reg_test = X_regression[150:]
y_reg_train = y_regression[:150]
y_reg_test = y_regression[150:]

修正数据集后原有的模型编译、训练、预测代码不需要额外改动，训练效果会恢复正常，predict也不会再触发报错。不需要额外添加run_eagerly=True参数，该报错提示是TensorFlow的通用兜底提示，和你的场景无关。

内容的提问来源于stack exchange，提问作者user14653534