![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
我对算法一无所知
人生处处是捷径,不绕远儿就是捷径。
展开
-
pytorch 存取模型(待补充)
# 直接保存模型# 保存模型torch.save(model, 'model.pth')# 加载模型model = torch.load('model.pth')# 保存模型参数和结构# 保存模型参数torch.save(model.state_dict(), 'model.pth')# 加载模型参数model.load_state_dict(torch.load('model.pth')# cpu模型加载gpu模型参数model.load_state_dict(torch.load原创 2021-02-25 10:01:47 · 276 阅读 · 0 评论 -
ValueError: expected sequence of length 791 at dim 1 (got 185)
File "baseline.py", line 25, in <module> input_id = torch.tensor(tokens2ids)ValueError: expected sequence of length 791 at dim 1 (got 185)list维度不一样,检查一下维度应该是input_id = torch.tensor(padded_ids)原创 2021-01-06 19:58:56 · 3938 阅读 · 0 评论 -
pytorch LSTM的股价预测
股价预测一直以来都是幻想能够被解决的问题,本文中主要使用了lstm模型去对股价做一个大致的预测,数据来源是tushare,非常感谢tushare的数据!!为什么要用LSTM?LSTM是一种序列模型,是RNN中最典型的一个网络结构,对RNN做了一些改进同时具有RNN的特性,可以更好的处理时序数据。如果可以实现对股价的预测,作为一个股民,可以更好的掌握买卖点,以及辅助自己做决策等等,以此提高自己的收益率。你可以合理地决定什么时候买股票,什么时候卖股票来获利。这就是时间序列建模的用武之地。你需要一个好原创 2021-01-04 11:40:49 · 16532 阅读 · 22 评论 -
pytorch中的squeeze和unsqueeze对比
unsqueeze()unsqueeze是将Tensor在某一维上增加一个维度x = torch.randn(2,3)print(x.shape)x.unsqueeze_(0)print(x.shape)------------------torch.Size([2, 3])torch.Size([1, 2, 3])索引从0开始,也可以在其他维度上增加x = torch.randn(2,3)print(x.shape)x.unsqueeze_(1)print(x.sha原创 2020-08-10 11:39:11 · 604 阅读 · 0 评论 -
torch.rand() 和 torch.randn() 有什么区别?
torch.randn(*sizes, out=None)randn是随机生成服从正态分布的数据,返回值为张量。参数:sizes (int...) - 整数序列,定义了输出张量的形状 out (Tensor, optinal) - 结果张量torch.rand(*sizes, out=None)rand是随机生成服从均匀分布的数据,返回值为张量。参数:sizes (int...) - 整数序列,定义了输出张量的形状 out (Tensor, optinal) - 结果张量两者原创 2020-08-08 16:53:10 · 6853 阅读 · 0 评论