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