Tensorflow model.prediction（）由于形状不匹配而失败

我使用新的

tf.keras

version

2.2.4-tf

训练了一个简单的MLP模型。以下是模型的外观：

input_layer = Input(batch_shape=(138, 28))
first_layer = Dense(30, activation=activation, name="first_dense_layer_1")(input_layer)
first_layer = Dropout(0.1)(first_layer, training=True)
second_layer = Dense(15, activation=activation, name="second_dense_layer")(first_layer)
out = Dense(1, name='output_layer')(second_layer)
model = Model(input_layer, out)

我尝试进行预测时出错

prediction\u result=model.predict（test\u data，batch\u size=138）

。

测试数据

的形状为

（69,28）

，因此它小于

批量大小

，即138。下面是错误，问题似乎来自第一个退出层：

tensorflow.python.framework.errors_impl.InvalidArgumentError:  Incompatible shapes: [138,30] vs. [69,30]
     [[node model/dropout/dropout/mul_1 (defined at ./mlp_new_tf.py:471) ]] [Op:__inference_distributed_function_1700]

---

相同的解决方案在旧版本的keras（2.2.4）和tensorflow（1.12.0）中不存在任何问题。我如何解决这个问题？我没有更多的测试数据，因此无法更改测试数据集以获得更多的数据点

因为您在预测时看到了这个问题，解决这个问题的一种方法是将测试数据填充为批大小的倍数。它不应该减慢预测，因为批次的数量不会改变。numpy.pad应该可以做到这一点。

在您的模型中，不要强制将批量大小固定为138？例如，

Input（shape=（28，）