时序预测编码器-解码器模型推理阶段TypeError报错排查求助

核心错误原因 #

你在推理时传入的enc_states是模型定义阶段的符号KerasTensor，不是经过编码器计算得到的实际数值状态。符号张量的形状中包含None（代表批量维度），无法直接作为推理模型的输入，导致int()转换None的类型错误。

修复步骤 #

1. 新增编码器状态提取模型 #

在原模型代码末尾，添加单独的编码器模型，用于从真实输入计算出实际的LSTM状态值：

# 构建编码器模型，输入编码器数据，输出LSTM的h和c状态
encoder_model = keras.models.Model(encoder_inputs, enc_states)

2. 修正推理代码逻辑 #

先通过编码器模型计算验证集对应的真实状态，再传入推理模型：

# 第一步：用验证集的编码器输入计算实际状态（得到两个numpy数组）
real_enc_states = encoder_model.predict(val_x[0])
# 第二步：将解码器输入和真实状态传入推理模型
predictions = inf_model.predict([val_x[1]] + list(real_enc_states))

额外优化建议 #

• 针对TensorFlow的格式警告：可以将训练数据转换为tf.data.Dataset格式提升性能，示例代码：

import tensorflow as tf
# 假设train_enc是编码器训练数据，train_dec是解码器训练数据，train_y是标签
train_dataset = tf.data.Dataset.from_tensor_slices(([train_enc, train_dec], train_y)).batch(32)
model.fit(train_dataset, epochs=10)

• 输入形状校验：确保推理时val_x[1]的形状(14284,24,6)与模型定义的decoder_inputs形状(n_past, n_feat2)完全匹配（即n_past=24，n_feat2=6）。

内容的提问来源于stack exchange，提问作者Art