Keras LSTM模型调用model.predict触发ValueError输入维度不匹配

首先明确：你确实需要将输入ids的序列长度填充到500以匹配训练规格，同时还需要补充样本维度，两个修改点共同解决报错问题

报错原因 #

你的模型输入要求是形状为(样本数, 序列长度=500, 特征数=5)的3维张量，而你当前的预测输入形状为(4,5)，存在两个不符合要求的点：

• 序列长度只有4，远小于要求的500
• 缺少样本维度，输入为2维张量，不符合模型3维输入的要求

具体解决步骤 #

1. 统一序列长度
   对转换得到的ids序列做对齐处理，和你训练阶段的填充/截断策略保持一致即可：
   • 序列长度小于500时，在序列前/后补全值为0的[0,0,0,0,0]特征数组，直到总长度为500
   • 序列长度大于500时，截断保留最后500个序列元素即可（下一个元素预测任务保留最近上下文效果更优）
2. 补充样本维度
   单样本预测时，需要在0轴新增一个样本维度，将形状为(500,5)的数组转换为(1,500,5)的3维张量，匹配模型输入要求

修改后的预测函数参考 #

import numpy as np
from tensorflow.keras.preprocessing.sequence import pad_sequences

def predict(text):
  text = text.split(" ")
  ids = []
  for i in text:
     ids.append(texids[np.where(textfull == i)][0])
  # 第一步：填充/截断到序列长度500，padding和truncating参数和训练时保持一致即可
  ids = pad_sequences([ids], maxlen=500, padding='pre', truncating='pre', value=[0,0,0,0,0])[0]
  # 第二步：新增样本维度，转成3维张量
  ids = np.expand_dims(ids, axis=0)
  print(ids.shape) # 输出应为 (1, 500, 5)
  pred = model.predict(x = ids)
  # 后续可添加id转文本的逻辑返回可读预测结果
  return pred

内容的提问来源于stack exchange，提问作者Dadu Khan