TensorFlow实现LSTM（回归）

最新推荐文章于 2024-08-11 12:10:46 发布

cchangcs

最新推荐文章于 2024-08-11 12:10:46 发布

阅读量6.8k

点赞数 2

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： TensorFlow LSTM 回归

本文链接：https://blog.csdn.net/github_39611196/article/details/81066380

版权

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 313 订阅 ¥19.90 ¥99.00

订阅专栏

本文介绍了如何使用TensorFlow实现LSTM进行回归任务。通过示例代码展示LSTM模型如何逐步拟合数据，帮助读者理解LSTM在回归问题中的应用。

摘要由CSDN通过智能技术生成

最近在学习TensorFlow，并学习了在TensorFlow中实现LSTM的回归应用。

下面是示例代码：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt


BATCH_START = 0
TIME_STEPS = 20
BATCH_SIZE = 50
INPUT_SIZE = 1
OUTPUT_SIZE = 1
CELL_SIZE = 10
LR = 0.006


def get_batch():
    global BATCH_START, TIME_STEPS
    # xs shape (50batch, 20steps)
    xs = np.arange(BATCH_START, BATCH_START+TIME_STEPS*BATCH_SIZE).reshape((BATCH_SIZE, TIME_STEPS)) / (10*np.pi)
    seq = np.sin(xs)
    res = np.cos(xs)
    BATCH_START += TIME_STEPS
    # plt.plot(xs[0, :], res[0, :], 'r', xs[0, :], seq[0, :], 'b--')
    # plt.show()
    # returned seq, res and xs: shape (batch, step, input)

了解本专栏