Python 如何在LSTM模型上预测多个样本？

在Keras中，如果我想在我的LSTM模型上预测多个实例（基于来自训练数据的独立和新数据），输入数组是否需要包括训练中使用的时间步长？如果是这样，我能期望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：）

您需要区分“样本”或“批次”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

对于

fit

和

predict

，时间步长和特征尺寸必须相同-这是因为权重等对于输入层具有相同的尺寸

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）相同。

谢谢，您的回答清晰准确，最重要的是，快速，对此我非常感激，再次感谢您。总结您的答案：只要训练中使用的特征也存在于n个待预测样本中，并且只要n个待预测样本中存在相同数量的时间步长，然后，数组的形状正确，可以预测多个样本。如果查看模型的

summary（）

，您会发现批次/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）