For-Loop 在 2 次迭代后停止工作

Question

我正在使用 Keras API 在 tensorflow 2.0 中设置时间卷积网络以进行时间序列预测，并且我目前正在预测下一个时间步长。现在我遇到了这个 for 循环的问题：

def make_prediction(model, x_to_predict):
    next_step = model.predict(x_to_predict)
    return next_step

sequence = x_pred[0, :150, 0]

for next_timestep in range(20):
    range_to_predict = 150 + next_timestep
    sequence = sequence[next_timestep: range_to_predict].reshape([1, 150, 1])
    next_datapoint = make_prediction(model, sequence)
    sequence = np.append(sequence, next_datapoint)
    print("Timestep" + str(next_timestep))
    print("Predicted Value" + str(next_datapoint))

此循环适用于前两次迭代，然后它停止并出现以下错误：

Timestep0 预测值[[0.49933335]] Timestep1 预测值 值[[0.5245512]] Traceback（最近一次调用最后一次）：文件“E：/...”， 第 105 行，在 sequence = sequence[next_timestep:range_to_predict].reshape([1, 150, 1]) ValueError: cannot reshape array of size 149 into shape (1,150,1)

我的模型采用形状 (None, 150, 1) 的输入，但我不明白为什么它在前 2 次迭代中有效。

如果有任何建议可以解决我的问题，我将不胜感激

Answer 1

我的意思是，func sequence[next_timestep: range_to_predict] 创建长度为 range_to_predict - next_timestep 的序列。第一次迭代next_timestep等于0，序列长度为150。在第二次迭代next_timestep等于1，predict - next_timestep = 149，那么序列的形状为149，不能被整形为(1,150,1)。