TensorFlow中输入与预测的形状不匹配问题求助

我最近在搭建一个TensorFlow/Keras模型，想让它学习从两个浮点数输入预测出一个浮点数结果，但遇到了预测阶段的形状不匹配问题，还怀疑训练效果糟糕也和这个有关，来向大家求助！

先给大家看我的模型定义与编译代码：

model = tf.keras.Sequential()
model.add( tf.keras.layers.InputLayer(shape=(2,)) )
model.add( tf.keras.layers.Dense(1024) )
model.add( tf.keras.layers.Dense(1024) )
model.add( tf.keras.layers.Dense(units=1) )

model.compile(loss="mean_squared_error", optimizer="adam", metrics=["mse"])

训练部分我用的是numpy数组作为数据集：trainData和trainRes都是numpy数组，其中trainData.shape是(10000, 2)，trainRes.shape是(10000,)。训练代码如下：

model.fit(x=trainData, y=trainRes, epochs=12, batch_size=100)

训练看起来是正常执行的，所有epochs都能跑完，甚至model.evaluate(x=testData, y=testRes)也能运行——不过输出的MSE数值大得离谱。

但当我尝试预测单个样本时，比如运行：

res = model.predict(testData[0])

直接触发了错误，错误信息如下：

Invalid input shape for input Tensor("data:0", shape=(2,), dtype=float32). Expected shape (None, 2), but input has incompatible shape (2,)

Arguments received by Sequential.call():
  • inputs=tf.Tensor(shape=(2,), dtype=float32)
  • training=False
  • mask=None

奇怪的是，如果我用切片取一个batch的方式来预测，比如：

res = model.predict(testData[0:1])

就能成功运行，不过返回的是一个1x1的数组，而不是我想要的单个数值。

我现在的猜测是：是不是Keras在训练时把整个数组当成了单个输入单元，而不是逐行处理每个样本？这会不会也是训练效果极差、MSE居高不下的原因呢？

备注：内容来源于stack exchange，提问作者v010dya