tensorflow学习--使用多层LSTM预测三角函数

最新推荐文章于 2024-08-20 18:55:43 发布

smart_hang

最新推荐文章于 2024-08-20 18:55:43 发布

阅读量1k

点赞数 1

分类专栏： python 人工智能 tensorflow 学习文章标签： tensorflow 多层LSTM 序列分析

本文链接：https://blog.csdn.net/hfutzhouyonghang/article/details/90523628

版权

import tensorflow as tf
import numpy as np
import matplotlib as mpl
from matplotlib import pyplot as plt

hidden_size = 30   # LSTM 中隐藏节点的个数   //TODO 这个size是是什么意思  //是lstm模块输出单元的维度，
num_layers = 2     # LSTM 的层数
timestep = 10      # 循环神经网络的训练序列长度
train_step = 10000  # 训练的轮数
batch_size = 32     # batch的大小
training_examples = 10000   # 训练数据的个数
test_examples = 1000        # 测试数据的个数
sample_gap = 0.01           # 采样间隔

# 使用序列的第i项以及后面的timestep-1 作为输入来预测第i+timestep项
def generate_data(seq):
    X = []
    Y = []
    for i in range(len(seq) - timestep):
        X.append([seq[i:i+timestep]])
        Y.append([seq[i + timestep]])
    return np.array(X,dtype=np.float32),np.array(Y,dtype=np.float32)
# 在这里有一些问题，这些LSTM的结构是什么样的
def lstm_model(X,y,is_train):
    # 使用多层的LSTM结构