目录
模型对比
CuDNNLSTM与LSTM这两者都可以实现LSTM的最终预测。
CuDNNLSTM只能用在GPU上,若使用的电脑拥有较为强劲的GPU的情况下,CuDNNLSTM是最佳选择,训练时间比LSTM模型耗时更短!
实验中,使用同一数据集,LSTM的耗时比CuDNNLSTM整整慢了8-10倍。
CuDNNLSTM的使用需要下载tensorflow-gpu版本才能使用到GPU进行训练(网上很多安装教程)
导入模型
from tensorflow.compat.v1.keras.layers import CuDNNLSTM
初始化模型
model = Sequential()
model.add(CuDNNLSTM(100, return_sequences=True, input_shape=(None, 1)))
model.add(Dropout(0.1))
model.add(CuDNNLSTM(100))
model.add(Dropout(0.1))
model.add(Dense(n_out,activation='sigmoid'))
model.compile(optimizer='adam', loss='mse', metrics=['mse'])