TensorFlow 2输入张量形状(None,1,8)不匹配如何调整为(None,8)

tensorflow:Model was constructed with shape (None, 8) for input KerasTensor(type_spec=TensorSpec(shape=(None, 8), dtype=tf.float32, name='dense_input'), name='dense_input', description="created by layer 'dense_input'"), but it was called on an input with incompatible shape (None, 1, 8).

报错核心原因是模型要求输入形状为(批量数, 8)的二维张量，当前传入的输入形状为(批量数, 1, 8)，多了一个大小为1的中间维度，移除该多余维度即可匹配模型要求，以下是三种可行实现方式：

tf.squeeze专门用于删除张量中大小为1的维度，指定维度参数可以避免误删其他位置的单维度，代码示例：

# 明确删除第1个索引位（从0开始计数）的单维度，逻辑最清晰
adjusted_input = tf.squeeze(raw_input, axis=1)
# 也可以不指定axis，自动删除所有单维度
adjusted_input = tf.squeeze(raw_input)

如果习惯用reshape操作，可按如下写法调整形状：

# 写法1：用-1自动推导批量维度大小
adjusted_input = tf.reshape(raw_input, (-1, 8))
# 写法2：动态读取批量维度大小，适配动态批量的场景
adjusted_input = tf.reshape(raw_input, (tf.shape(raw_input)[0], 8))

如果不想修改外部输入预处理逻辑，可直接在现有模型前插入适配层，自动处理维度调整：

from tensorflow.keras import layers
# 在原有模型最前方新增如下两层即可：
input = layers.Input(shape=(1, 8))
x = layers.Squeeze(axis=1)(input)
# 后续接你原有模型的层结构即可

内容的提问来源于stack exchange，提问作者Ned_Kelly