如何预测 LSTM 模型上的多个样本？答案

【问题标题】：How do I predict on multiple samples on an LSTM model?如何预测 LSTM 模型上的多个样本？
【发布时间】：2021-07-07 07:13:46
【问题描述】：

在 Keras 中，如果我想在我的 LSTM 模型上预测多个实例，这些实例基于来自训练数据的独立数据和新数据，输入数组是否需要包含训练中使用的时间步长？而且，如果是这样，我可以期望 model.predict 的输入数组的形状与训练数据相同吗？（即[要预测的样本数量、它们的时间步长、它们的特征]）？

谢谢你:)

【问题讨论】：

标签： python tensorflow keras predict

【解决方案1】：

您需要区分“样本”或“批次”轴以及时间步长和特征维度。

样本的数量是可变的 - 您可以在数千个样本上训练（拟合）模型，并对单个样本进行预测。

fit 和 predict 的时间步长和特征尺寸必须相同 - 这是因为输入层的权重等具有相同的尺寸。

在这方面，LSTM 与 DNN 没有太大区别。

在某些情况下（例如一对多模型），应用程序不同，但形式设计（即输入形状、输出形状）是相同的。

【讨论】：

谢谢，您的回答清晰准确，最重要的是，快速，对此我深表感激，再次感谢您。总结一下您的答案：只要在要预测的 n 个样本中也存在训练中使用的特征，并且只要要预测的 n 个样本中存在相同数量的时间步开，则数组的形状正确，可用于预测多个样本。
如果您查看模型的summary()，您会看到批次/样本维度始终显示为无，例如（无，128,3）- 128,3 是特征维度（包括时间步长）