TensorFlow调用predict时报错期望dense输入shape为(3,)却得到(1,)如何解决？

核心原因 #

你遇到的维度不匹配报错来自两个常见问题：

• 运行环境存在历史模型残留：报错信息里提到的层名是dense_7_input，说明当前运行环境中已经生成过7个Dense层，而你本次代码仅定义了1个Dense层，显然你反复在同一个运行环境中创建模型，没有清理旧的会话残留，tf.model变量实际指向的是你之前创建的input_dim=1的旧模型，而非本次代码定义的输入维度为3的模型。
• 预测输入格式不规范：你直接将Python原生嵌套列表传入predict方法，部分旧版本TensorFlow/Keras对原生列表的维度解析存在异常，会错误识别输入维度。

修复方案 #

1. 先清理TensorFlow会话残留，避免旧模型干扰，在定义模型前添加如下代码：

tf.keras.backend.clear_session()

如果还是不行可以直接重启Python运行内核，彻底清空历史变量。
2. 把预测阶段的输入转换为NumPy数组再传入，明确输入维度，修改预测代码如下：

# 预测分数
print("Your score will be ", tf.model.predict(np.array([[100, 70, 101]])))
print("Other scores will be ", tf.model.predict(np.array([[60, 70, 110], [90, 100, 80]])))

内容的提问来源于stack exchange，提问作者Deep learning element