由于batch_size问题，有状态LSTM无法预测

Question

我能够使用keras成功地训练我的有状态LSTM。我的批量大小为60，每输入我在网络中发送是的batch_size 以下整除是我的片断：

model = Sequential() 
model.add(LSTM(80,input_shape = trainx.shape[1:],batch_input_shape=(60, 
trainx.shape[1], trainx.shape[2]),stateful=True,return_sequences=True)) 
model.add(Dropout(0.15)) 
model.add(LSTM(40,return_sequences=False)) 
model.add(Dense(40)) 
model.add(Dropout(0.3)) 
model.add(Dense(output_dim=1)) 
model.add(Activation("linear")) 
keras.optimizers.RMSprop(lr=0.005, rho=0.9, epsilon=1e-08, decay=0.0) 
model.compile(loss="mse", optimizer="rmsprop") 

我的训练线，成功运行：

model.fit(trainx[:3000,:],trainy[:3000],validation_split=0.1,shuffle=False,nb_epoch=9,batch_size=60) 

现在我试图预测在测试集上可以再被60整除，但是我得到的错误：

ValueError: In a stateful network, you should only pass inputs with a number of samples that can be divided by the batch size. Found: 240 samples. Batch size: 32.

有谁能告诉我上面有什么问题吗？我很困惑，尝试了很多东西，但没有任何帮助。

Answer 1

我怀疑是因为您没有在model.predict中指定批量大小。正如你可以在“预测”部分中的documentation看到，默认参数是

model.predict(self, x, batch_size=32, verbose=0) 

这就是为什么32次出现在您的错误信息。所以你需要在model.predict中指定batch_size=60。