Keras模型使用同维度新数据预测时出现dense层输入不兼容报错

报错原因 #

模型定义的输入维度为(None, 24)，要求传入的预测数据必须是二维张量：第一维是样本批次数量，第二维对应每个样本的24个特征。
你当前传入的单条测试数据形状为(24,)属于一维数组，Keras会自动将其解析为24个样本、每个样本仅含1个特征，实际输入形状变为(24, 1)，和模型要求的最后一维24个特征不匹配，因此触发维度校验错误。

解决方案 #

只需在预测前为单条测试数据新增批次维度，将形状从(24,)调整为(1, 24)即可，两种常用实现方式如下：

• 方式一：通过numpy.expand_dims扩展维度

import numpy as np

# 原始测试数据
test_arr = np.array([176,  71, 152,  63, 200,  71, 120,  87, 128,  87, 216, 103, 248,
       126, 144, 150, 128, 206, 192, 206, 112, 277, 216, 269])
# 新增批次维度
processed_test = np.expand_dims(test_arr, axis=0)
# 执行预测
predict_result = model.predict(processed_test)

• 方式二：使用NumPy数组切片快捷扩展

processed_test = test_arr[np.newaxis, :]
# 或者简化写法：processed_test = test_arr[None, :]
predict_result = model.predict(processed_test)

内容的提问来源于stack exchange，提问作者Lash