大家好，我在尝试预测一些东西，但得到了一个非常奇怪的错误（TensorFlow 以此闻名！），顺便说一下，我使用的是著名的 Iris 数据集。起初，我能够训练模型，运行得很好，正如预期的那样。

第100/100个周期24/24 – 0秒 – 损失: 0.2863 – 准确率: 0.93331/1 [==============================] – 0秒 999微秒/步 – 损失: 0.2402 – 准确率: 0.9333这已经足够好了！模型评估也正常工作。准确率: 0.9333333373069763

我的train_x数据看起来像这样:

[[5.9 3.0 4.2 1.5] [5.4 3.0 4.5 1.5] [5.6 3.0 4.5 1.5] [5.7 3.8 1.7 0.3] [5.1 3.3 1.7 0.5] [6.4 2.9 4.3 1.3] [7.7 3.8 6.7 2.2] [6.0 3.4 4.5 1.6]...]

insert = np.array([6.1, 3.0, 4.6, 1.4]).astype(‘float’)print(model.predict(x=insert))

这行不通！我也试过用测试集中的一个元素，但得到的是同样的结果，一个非常难读的错误。

ValueError: 层 sequential 的输入 0 与层不兼容：预期输入形状的轴 -1 为 4，但接收到的输入形状为 [None, 1]

坦白说，我完全不知道TensorFlow在告诉我什么。如何修复它？我只是想预测可能被认为是哪种花。如果有人对数据集感兴趣：https://www.kaggle.com/akashsri99/deep-learning-iris-dataset-keras

回答：

预测需要批次维度。试试这个:

insert = np.array([[6.1, 3.0, 4.6, 1.4]]).astype('float')