pyTorch之RNN实现sin拟合cos（回归问题）

最新推荐文章于 2022-05-28 17:29:03 发布
原创 最新推荐文章于 2022-05-28 17:29:03 发布 · 724 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了一种循环神经网络（RNN）的构建过程，包括超参数设置、数据准备、模型架构搭建以及训练方法。文章对比了使用for-loop与reshape简化计算的不同，突出了后者在提高计算效率上的优势。
PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

一.超参数设置，建立数据
在这里插入图片描述
在这里插入图片描述
二.建立RNN架构
在这里插入图片描述
结果如下所示：
在这里插入图片描述
上面是用for-loop形式计算，为了提高计算速度，可以用下面简化的reshape形式写。
在这里插入图片描述
三.训练及其显示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

pytorch 最简单的单向RNN应用
qq_40107571的博客
12-19 887
pytorch 最简单的单向RNN应用
泊松回归（Poisson regression）、COX回归、分类器变回归器、回归算法注意事项、多重共线性问题
data+scenario+science+insight
06-01 1706
泊松回归（Poisson regression）、COX回归、分类器变回归器、回归算法注意事项、多重共线性问题 目录 泊松回归（Poisson regression）、COX回归、分类器变回归器、回归算法注意事项、多重共线性问题 泊松回归（Poisson regression） COX回归 分类器变回归器 回归算法注意事项 多重共线性问题 泊松回归（Poisson regression） 泊松回归（Poisson regression）是广义线性回归的一种。在医学研究中，泊松回归模型常用于
pytorch分别用MLP和RNN拟合sinx
Yonggie的博客
06-24 3604
0 理论上带有一个非线性函数的网络能够拟合任意函数。那显然MLP和RNN是科研拟合sinx的。 开头先把结果给展示出来，然后是代码，最后是我的过程。懒得看的直接看前半部分行了，过程给有兴趣的人看看。 先上结果图 注：每次训练torch初始化有不同，所以结果有出入。 代码 乍一看挺多的，实际上简单得一批。只不过是定义了两个网络，训练了两次，展示图片的重复代码而已。具体代码已经注释。 import torch import math import matplotlib.pyplot as plt cl
龙格库塔迭代与基于pytorch的RNN循环神经网络在正弦函数拟合效果上的有趣对比
weixin_46047216的博客
05-26 2099
突发奇想，如果将龙格库塔迭代的曲线拟合与深度学习中的RNN循环神经网络的曲线拟合做一个对比，会出现什么意想不到的效果？答案当然是龙格库塔迭代效果更好，杀鸡焉用牛刀？但是，在某些特殊情况下，比如我们很难对微分方程求导的时候，我们该如何对原方程进行拟合呢？这时候，机器学习就派上用场了。 首先介绍一下龙格库塔法（Runge-Kutta method): 一、龙格库塔迭代是数值分析课程中接触过的也是用途十分广泛的高精度单步算法，误差可以小到10^-5以下。我们常用的是四阶龙格库塔法，已知导数和初始值： y′=f(x
tensorflow小练手案例 RNN lstm 拟合 周期函数 sin
poxiaodailaizhe的博客
10-26 1312
附上一个简单lstm结构的网络，麻雀虽小但是五脏俱全，其中包含了很多优化方法： 拟合sin函数 import tensorflow as tf import numpy as np steps = 32 batch_size = 32 train_size = 7000 LSTM_KEEP_PROB = 0.9 NUM_LAYERS = 2 HIDDEN_SIZE = 64 train_step...
Pytorch 搭建RNN循环神经网络用sin曲线拟合cos曲线
白水的博客
08-25 1518
import torch import numpy as np import torch.nn as nn from torch.autograd import Variable import matplotlib.pyplot as plt torch.manual_seed(1) steps = np.linspace(0, np.pi*2, 100, dtype=np.float32) ...
pytorch学习17：RNN——通过sin预测cos
HMT的博客
09-11 554
描述 使用RNN，实现通过sin(x)sin(x)sin(x)预测cos(x)cos(x)cos(x)。 这是pytorch-handbook中的一个样例，具体网址如下： pytorch-handbook/chapter3/3.3-rnn 实现代码 import numpy as np import torch.nn as nn import torch import torch.optim as optim import matplotlib.pyplot as plt # 解决 plt 不输出图片的
【Pytorch教程】：RNN 循环神经网络 (回归)
nanke_4869的博客
01-31 2374
Pytorch教程目录 Torch and Numpy 变量 (Variable) 激励函数 关系拟合（回归） 区分类型 (分类) 快速搭建法 批训练 加速神经网络训练 Optimizer优化器 卷积神经网络 CNN 卷积神经网络（RNN、LSTM） RNN 循环神经网络 (分类) RNN 循环神经网络 (回归) 目录Pytorch教程目录训练数据RNN模型训练全部代码 训练数据 我们要用到的数据就是这样的一些数据, 我们想要用 sin 的曲线预测出 cos 的曲线. import torch from
PyTorch实战（三）通过sin预测cos
onion___的博客
04-11 1772
循环神经网络十分擅长处理时间相关的数据，下面我们就通过输入sin函数，输出cos函数来实际应用 import torch import torch.nn as nn from torch.nn import functional as F from torch import optim import numpy as np from matplotlib import pyplot as plt import matplotlib.animation import math, random #定义超参数
pytorch学习笔记（7）：RNN和LSTM实现分类和回归
热门推荐
u013602059的专栏
07-22 1万+
参考文档：https://mp.weixin.qq.com/s/0DArJ4L9jXTQr0dWT-350Q 在第三篇文章中，我们介绍了 pytorch 中的一些常见网络层。但是这些网络层都是在 CNN 中比较常见的一些层，关于深度学习，我们肯定最了解的两个知识点就是 CNN 和 RNN。那么如何实现一个 RNN 呢？这篇文章我们用 RNN 实现一个分类器和一个回归器。 本文需要你最好对 RNN 相关的知识有一个初步的认识，然后我会尽可能的让你明白在 pytorch 中是如何去实现这一点的。 1、pytor
Pytorch实现RNN循环神经网络（实例）以及比较不同优化器对应的loss曲线
无悔丶的博客
11-07 3227
最近在b站上学习了几个关于pytorch框架视频，特地做了下笔记。 一、线性回归 最简单的一个线性回归问题，拟合一个二次函数，代码很简单，就不赘述了，直接贴上代码： import torch from torch.autograd import Variable import torch.nn.functional as F import matplotlib.pyplot as plt x ...
使用Pytorch来拟合函数方式
09-18
今天小编就为大家分享一篇使用Pytorch来拟合函数方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pytorch学习笔记-实践-RNN-sin预测cos
weixin_42681868的博客
09-05 592
RNN 通过Sin预测Cos import torch import torch.nn as nn import torch.nn.functional as F from torch import optim import numpy as np from matplotlib import pyplot as plt import matplotlib.animation #导入动图包 im...
COX回归分析
weixin_44192389的博客
05-28 1万+
生存分析: cox回归分析
sklearn机器学习之基于sin函数的回归决策树
m0_45184077的博客
03-05 452
1.导入相应包 import numpy as np from sklearn.tree import DecisionTreeRegressor from matplotlib import pyplot as plt 2.准备数据集 rng = np.random.RandomState(1) X = np.sort(5 * rng.rand(80, 1), axis=0) #ravel函数将原维数降一维 y = np.sin(X).ravel() 3.绘制图像 plt.figure() plt.s
RNN学习之时间序列预测sin正弦函数
duanyuwangyuyan的博客
11-05 860
在学习《Tensorflow实战Google深度学习框架》的循环神经网络应用样例：预测sin正弦函数的时间序列问题。源码运行一直有问题。如下错误： ValueError: Trying to share variable rnn/multi_rnn_cell/cell_0/basic_lstm_cell/kernel, but specified shape (60, 120) and found shape (40, 120). 找原因，网上看到有人从多层LSTM入手，改为list添加两层Cell。
整理篇-回归
sin_404的博客
07-30 187
#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2020/7/30 10:46 # @Author : lH.wu # linear regression 线性回归测试 import matplotlib.pyplot as plt from scipy import stats # 横坐标值和纵坐标值 xl = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6] yl = [99, 86, .
numpy-array分割 等量/不等量分割
exsolar_521的博客
08-12 2430
基于PyTorch构建Transformer模型：详解多头注意力与位置编码实现
这种机制在处理长文本时展现出比传统RNN更强的建模能力，因为RNN在处理长序列时容易出现梯度消失或梯度爆炸的问题，而Transformer则通过并行化的注意力计算实现了更高的效率和更好的性能。 多头注意力（Multi-Head ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值