如何解决批量大小如何影响 Keras 中 predict/predict_on_batch 方法的质量？
在提高 LSTM-NN 速度的过程中，我偶然发现了一个问题。
批量大小如何影响 predict/predict_on_batch 方法的质量？
指定：我知道它确实会影响训练阶段的梯度计算，从而影响预测结果， 但是如果使用不同的批量大小进行批量预测，预测结果是否会有所不同 （具有相同大小的训练批次大小）？ 还是应该始终使用相同的批大小进行训练/拟合和预测，如果是这样，为什么？
我尝试了什么：
我有一个很好的工作（0.96 检测率和 0 误报）LSTM 用于异常检测 但是由于预测缓慢（40分钟），需要很长时间才能浏览所有测试文件， 使用用 512 的 batch_size 训练的 predict(x)。 当使用带有 batch_size=1 的 predict_on_batch 时，它再次需要 35 分钟以 0.96 DR 和 0 FA 进行测试。
当使用 predict_on_batch(batch,batch_size) 时，与 predict(batch,batch_size) 相同， 批量大小为 512（与训练中使用的相同）而不是 predict(x) 只需要大约 32 秒 但结果更糟（0.63 DR，62455 FA）。 类似的适用于大于 1 的较小的 batch_size 值。
此线程中的答案：Prediction is depending on the batch size in Keras 已经过时了，但它仍然准确吗（归咎于标准化）？
我真的不明白这里发生了什么，希望有人能澄清！
使用的版本：
Keras 2.3.1
Python 3.7.4
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
