Python 检查输入时出错：预期密集_1_输入具有形状（70），但获得具有形状（1，）的数组

我试着使用一个已经训练过的神经网络，但总是遇到这个错误。我的输入层的大小为70个数字元素，因此“last.cvs”中的输入数据扩展数据具有相同的大小：

[0.36 0.44 0.7  0.82 0.72 0.06 0.08 0.32 0.84 0.62 0.08 0.42 0.12 0.08
 0.6  0.48 0.52 0.08 0.28 0.2  0.18 0.4  0.68 0.98 0.32 0.06 0.2  0.04
 0.76 0.62 0.48 0.8  0.38 0.2  0.14 0.5  0.06 0.64 0.2  0.86 0.06 0.02
 0.98 0.7  0.12 0.78 0.24 0.18 0.08 0.04 0.18 0.72 0.94 0.46 0.18 0.04
 0.48 0.7  0.56 0.96 0.5  0.16 0.08 0.12 0.9  0.94 0.76 0.58 0.04 0.06]

我的程序本身如下所示：

import keras
from keras.models import load_model
from numpy import loadtxt, savetxt, reshape
import datetime as dt
import numpy as np
import os

xData= loadtxt('../input/last.csv')
print(xData)

model = load_model("model.dat")
prediction=model.predict(np.array(xData))
print(prediction);

---

那么…你知道为什么它认为输入大小是1而不是70吗？

在keras中，输入到模型中的张量的第一个维度必须是批量大小：

（批量大小，dim）

，所以在这里，你的模型知道你正在输入70个大小为1的元素

尝试获取输入向量并展开其dim，如下所示：

xData = np.expand_dims(xData, 0)

然后将其输入您的网络