![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
RNN
Sophia要一直努力
快来个可以carry我的男朋友
展开
-
构造自己的数据集并用dataloader加载
在进行神经网络训练时,常会将数据分成batch进行训练,为了方便数据的加载和输入,常需要继承dataset类来重新组织自己的数据,并使用dataloader加载继承dataset ,定义dataloader#继承 Dataset类 ,将自己的数据构造成dataloader可以处理处理的形式class DealDataset(Dataset): def __init__(self): self.x_data = train_X self.y_data =.原创 2020-07-08 18:56:17 · 3879 阅读 · 0 评论 -
基于pytorch的RNN各参数含义 实例
讲真,研究这个RNN参数我花了好几天,博客中基于pytorch的不多,即使有也没结合实例,有些博客互相也不一致,理解起来很费劲。。这中间又因为准备考试,隔了两三周,现在接着来看,战线属实够长。。迷迷糊糊看懂了,特意梳理一下,让思路更清晰,也方便以后查阅。如果讲述有误,欢迎指正~先上完整代码,参数解释在注释中,个别参数完整输出贴在后面,方便理解。RNN输入数据输入维度是11,输出维度是1# -*- coding: utf-8 -*-"""Created on Tue Jul 7 16:15原创 2020-07-07 21:09:36 · 2519 阅读 · 3 评论 -
神经网络中数据的归一和还原
神经网络中常常用到归一化。归一化要注意的点及代码如下(以最大最小归一化为例):训练,测试数据分开归一化;X,y分开归一化。使用训练数据进行归一化,得到参数后,再用来归一化测试数据。X和y也要分开归一化,这样才好根据各自的参数对预测数据进行还原(inverse)。注意不要上来就对所有数据进行归一化,因为在实际使用中,我们并不知道预测数据的分布。x_scaler = preprocessing.MinMaxScaler(feature_range=(0, 1))y_scaler = preproc原创 2020-07-07 15:57:41 · 6623 阅读 · 1 评论 -
使用pytorch构建RNN实现多属性时间序列预测 示例
使用多属性时间序列数据预测风电场实际功率数据展示第A列时间数据作为时间索引,第N行B-L列作为特征属性(X),第N+1行L列作为预测属性(y),即用上一时刻的数据预测下一时刻的实际功率。下面的series_to_supervised先把数据构建成X-y形式,实际输入时用多少个时间步长作为输入由超参 time-step决定。实验代码# 先把数据改成X-y形式,输入用time-step决定from sklearn import preprocessingimport pandas as pd原创 2020-07-07 15:37:17 · 12380 阅读 · 64 评论