小编cts*_*tat的帖子

我训练了一个 LSTM 模型，并尝试对所有测试观察结果进行预测。然而，keras 需要很长时间model.predict才能计算所有预测。有没有办法加快这个过程？假设每个预测有两个特征（x1 和 x2）。每个特征的长度（x1 & x2）都是33。如[32,1,17,.......,0]。我需要进行 100 万次预测。我的代码是

predictions = np.argmax(make.predict([x1, x2]), axis = -1)  

有什么想法可以加快速度吗？非常感谢

假设我有一个类（Base）和一个列表（obj）

class Base:
    def __init__(self, x, y):
        self.x = x 
        self.y = y 

    def __repr__(self):
        return f"Base({self.x}, {self.y})"

    def area(self):
        return self.x*self.y

obj = [Base(10, 12), Base(2, 5), Base(7, 8)]

如何从 obj 列表中删除 Base(2, 5)？该obj.remove(Base(2,5))不起作用。有什么建议？