我在使用Keras（搭配Python 3.6）预测数组（x_test）的输出时，遇到了TypeError错误。
这是我的预测代码：
x_test = [[8],[6],[0],[2],[0],[0],[0],[0],[112.128],[0],[0],[2],[0],[1],[1],[2],[2]]prediction = model.predict(model, x_test, batch_size = 32, verbose = 1)这是我得到的错误信息：
TypeError Traceback (most recent call last)<ipython-input-14-286495dc15a7> in <module>() 1 x_test = [[8],[6],[0],[2],[0],[0],[0],[0],[112.128],[0],[0],[2],[0],[1],[1],[2],[2]] 2 ----> 3 prediction = model.predict(model, x_test, batch_size =(17,1), verbose = 1)TypeError: predict() got multiple values for argument 'batch_size'如果有人知道问题出在哪里，任何建议都会非常感激。
供参考，这是我的神经网络，看起来运行正常。
model = Sequential()model.add(Dense(32, input_dim=17, init='uniform', activation='relu' ))model.add(Dense(64, init='uniform', activation='relu'))model.add(Dense(128, init='uniform', activation='relu'))model.add(Dense(64, init='uniform', activation='sigmoid'))model.add(Dense(32, init='uniform', activation='sigmoid'))model.add(Dense(16, init='uniform', activation='sigmoid'))model.add(Dense(8, init='uniform', activation='sigmoid'))model.add(Dense(4, init='uniform', activation='sigmoid'))model.add(Dense(1, init='uniform', activation='sigmoid'))# Compile modelmodel.compile(loss='mean_squared_logarithmic_error', optimizer='SGD', metrics=['accuracy'])# Fit modelhistory = model.fit(X, Y, nb_epoch=300, validation_split=0.2, batch_size=3)非常感谢！
回答：
在model.predict中不需要传递model参数，因为predict的默认参数是predict(self, x, batch_size=32, verbose=0)，其中model由self自动定义。
所以你的代码应该改成这样：
prediction = model.predict(x_test, batch_size = 32, verbose = 1)根据文档，x应该是一个numpy.array而不是list。
参数：
x：作为Numpy数组的输入数据。
batch_size：整数。
verbose：详细模式，0或1。
这意味着x_test应该改为：
x_test = np.array([[8],[6],[0],[2],[0],[0],[0],[0],[112.128],[0],[0],[2],[0],[1],[1],[2],[2]])