我正在尝试使用从文件加载的训练有素的Keras模型为单个数据点predict() d输出。但是我得到ValueError If predicting from data tensors, you should specify the 'step' argument.是什么意思？
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=)
该模型期望输入(?,600)。我已将两个numpy的两个shape (300,)数组连接起来，得到(600,)，其大小已调整为(1,600)。 (1,600)是我对predict()的输入。
答案 0 :(得分：2)
在我的情况下，要预测的输入是None（因为我在代码的另一部分中有错误）。
答案 1 :(得分：1)
->定义steps参数的值
d = np.concatenate((hidden[p[i]],
hidden[x[i]])).resize((1,600))
hidden[p[i]] = autoencoder.predict(d,steps=1)
答案 2 :(得分：1)
如果您使用的是测试数据生成器，则最好按照文档中的说明定义步骤。
如果要预测单个实例，则无需定义步骤。只需确保参数（即实例'd'）不为None，否则将显示该错误。一些重塑可能也是必要的。
答案 3 :(得分：0)
在官方文档中，步骤是指停止之前的步骤总数。因此，步骤= 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。
答案 4 :(得分：0)
在我的情况下，我遇到了同样的错误，我只是使用numpy函数reshape（）将数据重塑为预测模型最初使用的数据形状。