Tensorflow 如何利用批量训练模型，对单次输入进行预测？

我有在数据集上训练过的RNN模型：

train = tf.data.Dataset.from_tensor_slices((data_x[:train_size],
                          data_y[:train_size])).batch(batch_size).repeat()

型号：

    model = tf.keras.Sequential()
    model.add(tf.keras.layers.GRU(units=lstm_num_units,
                                   return_sequences=True,
                                   kernel_initializer='random_uniform',
                                   recurrent_initializer='random_uniform',
                                   bias_initializer='random_uniform',
                                   batch_size=batch_size,
                                   input_shape = [seq_len, num_features]))
    model.add(tf.keras.layers.LSTM(units=lstm_num_units,
                                   batch_size=batch_size,
                                   return_sequences=True,
                                   input_shape = [seq_len, num_features]))
    model.add(tf.keras.layers.Flatten())
    model.add(tf.keras.layers.Dense(units=dence_units))
    model.add(tf.keras.layers.Dropout(drop_flat))
    model.add(tf.keras.layers.Dense(units=out_units))
    model.add(tf.keras.layers.Softmax())   

    model.compile(loss="sparse_categorical_crossentropy",
            optimizer=tf.train.RMSPropOptimizer(opt),
            metrics=['accuracy'])

 model.fit(train, epochs=EPOCHS,
                        steps_per_epoch=repeat_size_train,
                        validation_data=validate,
                        validation_steps=repeat_size_validate,
                        verbose=1,
                        shuffle=True)
                        callbacks=[tensorboard, cp_callback])

我需要对seq_len的单个输入进行预测，但看起来我的输入必须是批量大小：

ar = np.random.randint(98, size=[batch_size, seq_len])
ar = np.reshape(ar, [batch_size, seq_len, 1])
prediction = model.m.predict(ar)

---

有没有一种方法可以让它在单个输入的shape[1，seq_len，1]上工作？

是的，只需在第一层重建模型，而不需要批量大小

复制旧模型的权重

newModel.set_weights(oldModel.get_weights())

批次大小的目的仅存在于

stateful=True

模型中，以保持批次之间的一致性

---

尽管如此，由于批量大小，数学上没有变化。

谢谢。你的评论帮助我解决了这个问题。我可以不使用批重建模型，甚至不使用指定的批大小重建原始模型，因为它将从数据集中扣除。批大小仅在

fit

中定义（除非您使用的是

stateful=True

）。默认值为32，仅用于培训。如果您认为此答案解决了您的问题，请将其标记为已回答：）根据我收到的错误msgs，我无法将

fit

中的批大小与

tf数据集一起使用。我定义批处理大小的另一个地方是在第一层，所以我把它删除了。现在，模型接受任意的
批量大小
；其中，在培训部分，我在
tf.data.Dataset
中将其指定为64，而在预测中，它只是一个。谢谢你给我指明了正确的方向。