Python 如何使用CNN模型Keras解决错误？

我有一个带有Keras的模型：

model.add(Conv1D(4,kernel_size=3, activation='relu', 
                               input_shape=(tablon_vectores_train.shape[1], 
                                            tablon_vectores_train.shape[2])
                               #,padding='same'
                               )
                       )

model.add(MaxPooling1D(pool_size=4))

model.add(Conv1D(6,kernel_size=2, activation='relu'))
model.add(MaxPooling1D(pool_size=2))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(15, activation='relu'))
model.add(Dense(1) )
model.compile(loss='mean_squared_error', optimizer='adam',metrics=['mse'])
model = model.fit(
        X
        , Y
        , epochs=50, batch_size=10
        , validation_split= 0.25
        , verbose=1, shuffle=True)

当我执行预测代码时：

predict=model.predict（X_检验）

我有一个错误：

AttributeError:“History”对象没有属性“predict”

---

我能做什么？

我猜您正在覆盖模型

试试这个

history = model.fit(...)

然后

---

在您的情况下，您的模型将被训练历史覆盖。使用其他变量名保存培训历史记录

history = model.fit(...)

现在，您可以使用模型进行预测。

model.fit（…）

返回包含模型学习历史的历史对象

model=model.fit（…）

用历史对象覆盖您的网络

您可以一起删除分配，只需使用

model.fit（）

。如果您希望可视化学习历史，可以通过键入

history=model.fit（..）

来访问这些值。培训后，您可以使用此对象可视化结果。您可以通过键入

history.history

获得保存的值

---

要获得预测，请尝试将model.fit指定给模型。这已成为历史。

history = model.fit(...)