在 Keras 中,如果我想基于训练数据中的独立新数据对我的 LSTM 模型进行多个实例的预测,输入数组是否需要包括训练中使用的时间步数?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:)
最佳答案
您需要区分“样本”或“批处理”轴以及时间步长和特征维度。
样本数量是可变的 - 您可以在数千个样本上训练(拟合)您的模型,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。
在这一点上,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)相同。
关于python - 如何在 LSTM 模型上预测多个样本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67054435/