为什么在使用数据张量进行预测时需要“ step”参数？这个错误是什么意思？

Question

我正在尝试使用从文件加载的训练有素的Keras模型来predict()输出单个数据点的输出d。但是我得到一个ValueError If predicting from data tensors, you should specify the 'step' argument.什么意思？

我尝试设置step=1，但是随后出现另一个错误ValueError: Cannot feed value of shape () for Tensor u'input_1:0', which has shape '(?, 600)'。

这是我的代码：

d = np.concatenate((hidden[p[i]], hidden[x[i]])).resize((1,600))
hidden[p[i]] = autoencoder.predict(d,steps=)

该模型期望(?,600)作为输入。我已经串联了两个numpy数组，shape (300,)每个数组都(600,)被调整为(1,600)。这(1,600)是我对的输入predict()。

Answer 1

在官方文档中，步数是指停止前的总步数。因此，steps=1 意味着对一批进行预测，而不是对一条记录（单个数据点）进行预测。