调用model.predict传入单条样本时报Incompatible layer错误如何解决

问题根因 #

Keras的predict方法要求输入数据的格式为(批次大小, 特征维度)的二维张量。你直接取my_data_set[0]得到的是形状为(10,)的一维数组，框架会自动将这个一维数组的第一个维度识别为批次大小，认为你传入了10个单特征的样本，和模型要求的单样本10个特征的输入格式不匹配，所以触发维度报错。

排查思路 #

• 调用predict前执行print(my_data_set[0].shape)，会看到输出为(10,)，而正常可运行的my_data_set形状是(6, 10)，对比就能发现维度缺失问题。
• 执行print(model.input_shape)可查看模型期望的输入形状为(None, 10)，第一个维度为批次维度，第二个维度是特征数，和传入的一维数组形状不匹配。

解决方案 #

给单行数据新增一个批次维度即可，常用两种实现方式：

1. 使用np.newaxis扩展维度

print(model.predict(my_data_set[0][np.newaxis, :]))

2. 使用reshape方法调整形状

print(model.predict(my_data_set[0].reshape(1, -1)))

两种方式都会把原本形状为(10,)的数组转为(1, 10)的二维数组，符合模型的输入要求，即可正常得到预测结果。

内容的提问来源于stack exchange，提问作者whitepanda