pytorch lstm时间序列预测问题踩坑

1.做时间序列问题

2.问题

1.数据集自己做，为多个输入对应多个或一个输出

2.损失函数

注意：不能用交叉熵 nn.CrossEntropyLoss()

nn.CrossEntropyLoss()要求target目标值即真实值是标签，是torch.int64类型数据，即整数，不允许小数，如果输入小数会强行取整，
应该用

nn.MSELoss()

我在这个问题上纠结了很久，总是显示

RuntimeError: expected scalar type Long but found Float

导致我找了很久怎么样才能把torch.float64保留小数的情况下转成long,后来查资料torch.long就是torch.int64，简直变态
后来一点一点往上找才知道的这个错误

注意2：真实值（目标值）必须是两个维度，否则会警告，不会报错

增加维度方法：

1.torch.unsqueeze(tensor, dim)
2.numpy_array = .numpy_array [np.newaxis, :, :]  # 原来维度(10, 13)——(1, 10, 13)
补充
np.unaqueeze总是报错，不明白为什么

3.准确率

分类问题是有准确率这个评价的，但是我训练的rnn，loss一直降低，但是准确率为0，才反应过来，回归问题很难达到完全一致

3.结果

这是测试集预测结果，前10步预测后1步，勉强可以

训练集结果：

之后需要
0.5. 根据上一步预测结果预测下一个——做不到，x为13个变量，y只有1个，无法用y作为下一个x

1. 找一个预测结果评价指标
2. transformer编码解码