LSTM RNN预测报Sequential无predict_classes属性错误

predict_classes是TensorFlow 2.5及更早版本中Keras模型提供的分类预测接口，从TensorFlow 2.6版本开始该方法被正式移除，因此高版本环境下调用Sequential模型的该方法就会抛出「无对应属性」的错误，和你之前的模型训练逻辑、数据预处理逻辑没有关联。

你的任务是二分类情感判别，不需要降级框架版本，直接用通用的predict()方法拿到预测结果后转换为0/1标签即可，根据模型输出层的激活函数选择对应写法：

• 如果模型最后一层用sigmoid激活（单输出节点，输出值为0~1区间的正向情感概率，是二分类最常用的配置），直接替换原预测代码为：

# 计算测试集预测概率
y_pred_prob = model.predict(X_test_rnn, batch_size=1000)
# 以0.5为阈值划分正负类，压平为一维标签数组
y_rnn_pred = (y_pred_prob > 0.5).astype("int32").flatten()

• 如果模型最后一层用softmax激活（双输出节点，分别输出负向、正向类别的概率），替换代码为：

import numpy as np
y_pred_prob = model.predict(X_test_rnn, batch_size=1000)
# 取概率最高的类别下标作为最终预测标签
y_rnn_pred = np.argmax(y_pred_prob, axis=1)

提示：不推荐为了兼容旧接口把TensorFlow降级到2.5及更早版本，旧版本存在不少已知的性能问题和算子bug，上述标签转换逻辑和原predict_classes的内部实现完全一致，不会损失预测精度，输出的标签格式也和旧方法完全匹配，不需要修改后续的模型评估代码。

内容的提问来源于stack exchange，提问作者John