ValueError：检查输入时出错：预期density_input具有形状213，但具有形状210，的数组

如何解决ValueError：检查输入时出错：预期density_input具有形状213，但具有形状210，的数组

输入数组似乎不适合输入形状，但我不知道如何解决。

这是我建立模型的方式：

model = Sequential()
model.add(Dense(128,input_shape=(len(train_x[0]),),activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(64,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(len(train_y[0]),activation='softmax'))

# Compile the model
sgd = SGD(lr=0.01,decay=1e-6,momentum=0.9,nesterov=True)
model.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])

#Training and saving the model

hist = model.fit(np.array(train_x),np.array(train_y),epochs=200,batch_size=5,verbose=1)
model.save('buy_model_08152020th.h5',hist)
#print("model is created")

这是预测类函​​数：

def predict_class(sentence):
    global custom_prompt
    # filter below threshold predictions
    p = bag_of_words(sentence,words,show_details=False)
    res = model.predict(np.array([p]))[0]
    error_threshold = 0.90
    results = [[i,r] for i,r in enumerate(res) if r > error_threshold]
    # Sort strength probability
    results.sort(key=lambda x: x[1],reverse=True)
    return_list = [{"intent": "message classification failed"}]
    for r in results:
        return_list.append({"intent": classes[r[0]],"probability": str(r[1])})
    if len(return_list) > 1:      
        result = return_list[1]["intent"]
    if len(return_list) == 1:
        result = return_list[0]["intent"]               
    return result

还有bag_of_words_function：

def bag_of_words(sentence,show_details=True):
    sentence_words = clean_up_sentence(sentence)
    #bag of words - vocabulary matrix
    bag = [0] * len(words)
    for s in sentence_words:
        for i,word in enumerate(words):
            if word == s:
                bag[i] = 1
                if show_details:
                    print('found in bag: %s' %word)
    return(np.array(bag))

错误消息：

ValueError：检查输入时出错：预期density_input具有 形状（213，），但数组的形状为（210，）

解决方法

正如错误消息所暗示的，训练模型时input_shape=(len(train_x[0]),)是213，但是您在进行预测时正在使用p的输入210。建议您将输入模型的输入len（print len(train_x[0])）和预测输入的len（print len(p)）打印出来。它们应该相同，否则会引发此错误。

如果错误仍未解决，请与可重复的代码或完整的代码共享所需的输入详细信息。