代码中predict函数触发ValueError问题排查与解决求助

常见触发原因 #

• 输入特征维度与模型训练维度不匹配
  模型对predict的输入形状校验极其严格，只要特征形状和训练时的输入要求偏差就会直接抛出ValueError。最常见的场景是生成bow特征时，没有按照训练阶段的词表长度对齐，比如训练用词表共150维，实际输入生成的bow只有148维/152维，或是拼数组时多了多余维度，导致np.array([bow])的形状不符合模型要求。
• 特征数组混入非数值内容
  生成bow的环节如果残留了字符串、空值等非数值占位，虽然numpy可以正常转数组，但进入模型的类型校验环节时就会触发报错。
• 空输入触发的异常
  用户按回车提交空内容时，分词、bow转换环节生成空数组/全零异常向量，没有做前置拦截就直接传入predict，因形状非法触发报错。

对应解决步骤 #

1. 逐点校验输入形状
   在model.predict调用前插入打印逻辑，直接对比实际输入和模型要求的形状差异：

   print(f"当前bow长度: {len(bow)}")
   print(f"输入数组形状: {np.array([bow]).shape}")
   print(f"模型要求的输入形状: {model.input_shape}")
   

   如果形状不一致，回溯bow生成逻辑：确认是否严格按照训练时的词表索引生成特征，遇到未登录词时是否在对应索引位置补0，保证最终bow长度和词表长度完全一致。
2. 增加空输入拦截
   处理用户输入时增加前置判断，避免空内容进入模型推理流程：

   message = input("You : ").strip()
   if not message:
       print("请输入有效对话内容")
       continue
   

3. 强制对齐输入类型与维度
   传入模型前，强制把bow转成指定数值类型，同时对长度做截断/补零对齐，兜底维度异常：

   # 替换为训练时使用的词表实际长度
   VOCAB_SIZE = 训练用词表长度
   bow_aligned = bow[:VOCAB_SIZE] + [0] * max(0, VOCAB_SIZE - len(bow))
   input_tensor = np.array([bow_aligned], dtype=np.float32)
   res = model.predict(input_tensor)[0]
   

内容的提问来源于stack exchange，提问作者Lusifer-Stark