PyTorch学习（十）RNN回归

最新推荐文章于 2022-05-08 10:36:15 发布

My heart will go ~~

最新推荐文章于 2022-05-08 10:36:15 发布

阅读量283

点赞数

分类专栏： PyTorch神经网络文章标签： python 深度学习

本文链接：https://blog.csdn.net/qq_44627776/article/details/116564386

版权

本文深入探讨了使用PyTorch实现RNN进行回归任务的详细步骤，涵盖了RNN的基本原理、模型构建、训练过程以及实际应用。通过实例解析，帮助读者掌握在深度学习中如何运用RNN解决回归问题。

摘要由CSDN通过智能技术生成

RNN回归


import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision
import numpy as np
import matplotlib.pyplot as plt




torch.manual_seed(1)    # reproducible
TIME_STEP=10#考虑多少时间点的数据，
INPUT_SIZE=1#每个时间点给RNN多少个数据点
LR = 0.02     # 学习率
DOWNLOAD_MNIST = False  


# steps=np.linspace(0,np.pi*2,100,dtype=np.float32)#生成一列数据，0-2pi的100个均匀分布的数据
# x_np=np.sin(steps)
# y_np=np.cos(steps)
# plt.plot(steps,y_np,'r-',label='target(cos)')
# plt.plot(steps,x_np,'b-',label='input(sin)')
# plt.legend(loc='best')
# plt.show()


class RNN(nn.Module