Red Neuronal en Python: ADVERTENCIA:tensorflow: El modelo fue construido con forma (None, 7) para la entrada.

Tengo datos que consisten en 60 filas y nueve columnas de un archivo XLSX (8 columnas para x y 1 columna para y). Lo dividí en un 80% de datos para entrenamiento y un 20% para pruebas. Por lo tanto, tengo 12 para las pruebas y 48 para el entrenamiento. Tengo las variables x_test, y_test, x_train y y_train. Utilizo una red neuronal en Python y tengo este código:

import tensorflow as tf
from tensorflow.keras.optimizers import Adam
model = tf.keras.models.Sequential()
adam = Adam(learning_rate=0.01)
model.add(tf.keras.layers.Dense(units=8, activation='relu')) # La capa de entrada tiene 8 nodos
model.add(tf.keras.layers.Dense(units=4, activation='relu')) # Capa oculta con 19 nodos
model.add(tf.keras.layers.Dense(units=1, activation='linear')) # Capa de salida sin activación
model.compile(loss='mae', optimizer=adam)
model.fit(x_train, y_train, epochs=1000)

Luego, realizo una predicción con los datos de prueba usando este código:

y_pred = model.predict(x_test)

Después de eso, puedo predecir nuevos datos utilizando este código:

A = float(input("A: "))
B = float(input("B: "))
C = float(input("C: "))
D = float(input("D: "))
E = float(input("E: "))
F = float(input("F: "))
G = float(input("G: "))
H = float(input("H: "))

Prediction = np.array([A, B, C, D, E, F, G, H])

Luego, realizo la predicción con este código:

New_Prediction = model.predict(Prediction)

Sin embargo, aparece un error como este:

ValueError: Se encontró una excepción al llamar a la capa "sequential_11" (tipo Sequential).

La entrada 0 de la capa "dense_25" no es compatible con la capa: se esperaba min_ndim=2, se encontró ndim=1. Forma completa recibida: (Ninguno,)

Argumentos de llamada recibidos:
  • inputs=tf.Tensor(shape=(None,), dtype=float32)
  • training=False
  • mask=None