PyTorch学习（12）——循环神经网络（RNN）-回归

最新推荐文章于 2025-05-22 11:35:21 发布

cchangcs

最新推荐文章于 2025-05-22 11:35:21 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： RNN PyTorch 回归

本文链接：https://blog.youkuaiyun.com/github_39611196/article/details/82591431

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

本文详细探讨了如何使用PyTorch实现循环神经网络(RNN)进行回归任务，通过示例代码展示了网络结构和数据处理方式，并分享了训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本篇博客主要介绍采用RNN做回归。

示例代码：

import torch
from torch import nn
import torchvision.datasets as dsets
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
from torch.autograd import Variable

# 超参数
TIME_STEP = 10
INPUT_SIZE = 1
LR = 0.02

# 生成回归数据并显示
# steps = np.linspace(0, np.pi * 2, 100, dtype=np.float32)
# 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='target (sin)')
# plt.show()


class RNN(nn.Module):
    def __init__(self):
        super(RNN, self).__init__()
        self.rnn = nn.RNN(
            input_size=INPUT_SIZE,
            hidden_size=32,  # hidden state的神经元数目

了解本专栏