AutoKeras执行reg.fit时报StructuredDataInput输入形状不匹配错误如何解决

StructuredDataInput是专门为结构化表格数据设计的输入层，强制要求输入为二维结构，维度对应规则为 [批次大小, 单样本特征总数]。你当前传入的训练数据维度为[32, 100, 1]，属于三维结构，多出来的最后一维长度为1的冗余维度不符合该输入层的设计预期，因此触发维度不匹配的ValueError。

• 移除冗余维度：如果最后一维是数据预处理时生成的无实际含义的冗余维度，直接调用squeeze方法删除长度为1的维度即可：

  # 适配numpy数组
  X_train = X_train.squeeze(axis=-1)
  # 适配TensorFlow张量
  # import tensorflow as tf
  # X_train = tf.squeeze(X_train, axis=-1)
  

  处理后X_train的维度会变为[样本总数, 100]，完全符合StructuredDataInput的输入要求。
• 更换适配的输入层：如果最后一维存在实际业务含义（比如是时序数据的单变量维度、图像的单通道维度），说明你选错了输入层类型，将StructuredDataInput替换为对应场景的输入层即可：时序场景可使用Input(shape=(100, 1))搭配LSTM、Conv1D等时序层；图像场景可替换为2D输入层搭配卷积层。
• 显式指定批次大小：维度调整完成后如果仍有报错，可在reg.fit()方法中显式传入batch_size=32参数，避免框架自动推断批次参数时出现维度错位。

内容的提问来源于stack exchange，提问作者aminicks