注意：以下所有数字仅供参考。
我用以下参数训练了我的 LSTM 模型：
batch_size = 32
time_step = 5
我知道我需要至少 5 个样本来喂我model.predict()，以便预测未来的下一个结果。例如，假设我在 CSV 文件中有以下项目：
由于time_step等于 5，我将数据转换为 sahpe 为 1 x 5 x 4 的数组。我们称这个数组为 X_input。现在：
model.predict(X_input)
应该只返回 1 项。假设这个值为 58，这是正确的答案。例如，如果 CSV 文件包含 6 个项目：
X_input应该具有 2 x 5 x 4 的形状并model.predict()返回两个值，它们应该是 [57, 58]。
事实上，如果我的 CSV 文件中的最后 5 个样本相同，我希望最后的预测值保持不变（即 58），但事实并非如此！尽管我保持 CSV 文件中的最后 5 个样本不变，但它会随着 CSV 文件中的样本数量的变化而变化。
起初我认为这可能与stateful我的 LSTM 层中的参数有关。但由于我没有使用该参数，我假设它具有默认值，即 Flase。
请问有什么想法吗？