如何使用 Keras 使用批量输入进行训练，但使用 LSTM 使用单个示例进行预测？

Question

我有一个我用来训练的训练数据列表。但是，我在预测的时候，会在线上预测，一次一个样例。

如果我使用如下输入声明我的模型

model = Sequential()
model.add(Dense(64, batch_input_shape=(100, 5, 1), activation='tanh'))
model.add(LSTM(32, stateful=True))
model.add(Dense(1, activation='linear'))
optimizer = SGD(lr=0.0005)
model.compile(loss='mean_squared_error', optimizer=optimizer)

当我使用形状 (1, 5, 1) 的单个示例进行预测时，出现以下错误。

ValueError: Shape mismatch: x has 100 rows but z has 1 rows

我想出的解决方案是使用 (1,5,1) 的 batch_input_shape 迭代训练我的模型，并为每个示例调用 fit。这非常慢。

有没有办法在大批量上进行训练，但使用 LSTM 通过单个示例进行预测？

感谢您的帮助。

Answer 1

您已经在第一层定义了input_shape。因此发送与预设 input_shape 不匹配的形状是有效的。

有两种方法可以实现：您可以通过更改来修改模型 batch_input_shape=(100, 5, 1) 到 input_shape=(5, 1) 以避免预设批量大小。您可以在 model.fit().

中设置 batch_size=100

编辑：方法 2

您定义的模型与 model2 完全相同。然后model2.set_weights(model1.get_weights())。

如果你想使用stateful==True，你实际上是想使用上一批的隐藏层作为下一批的初始状态。因此，非常批量大小应该匹配。否则，您可以删除 stateful==True.

Answer 2

尝试这样的事情：

model2 = Sequential()
model2.add(Dense(64, batch_input_shape=(1, 5, 1), activation='tanh')) 
model2.add(LSTM(32, stateful=True))
model2.add(Dense(1, activation='linear'))
optimizer2 = SGD(lr=0.0005)
model2.compile(loss='mean_squared_error', optimizer=optimizer)

for nb, layer in enumerate(model.layers):
    model2.layers[nb].set_weights(layer.get_weights())

您只是将权重从一个模型重写到另一个模型。

如何使用 Keras 使用批量输入进行训练，但使用 LSTM 使用单个示例进行预测？

How to train using batch inputs with Keras, but predicting with single example with an LSTM?

python

neural-network

lstm

keras