自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

上一步保存

James_J的博客

James-J 优快云认证博客专家优快云认证企业博客

码龄8年

暂无认证

21: 原创

10万+: 周排名

164万+: 总排名

13万+: 访问

: 等级

1255: 积分

26: 粉丝

154: 获赞

26: 评论

297: 收藏

私信

关注

分类专栏

最新评论

Pytorch LSTM
余槿&流年: 您好可是我使用原本数据维度为[240,60,1]的股票价格数据，出来的数据还是[240,60,1] 我的网络代码如下： class LSTMNet(nn.Module): def __init__(self): super(LSTMNet, self).__init__() # 这里input_size是1是因为数据集为股票价格其中特征数量只有1个即为当前日期前60天的股票价格（就只有股票价格，所以是一个特征数量） self.lstm1 = nn.LSTM(input_size=1, hidden_size=80,dropout=0.2) # 这里输出[240,60,80] # 没太搞懂batch_first是啥意思 self.lstm2 = nn.LSTM(input_size=80, hidden_size=100,dropout=0.2) # 这里输出[240,60,100] self.linear1 = nn.Linear(100, 1) # 经过这里输出[240,60,1] def forward(self, x): print(x.shape) # 原始维度：[240,60,1] x, _ = self.lstm1(x) # 只保留最后一个时间步的输出，忽略hidden state print(x.shape) # 原始维度：[240,60,80] x, _ = self.lstm2(x) # 只保留最后一个时间步的输出，忽略hidden state print(x.shape) # 原始维度：[240,60,100] x = torch.squeeze(x, dim=0) # 去除维度为1的维度 print(x.shape) output = self.linear1(x) return output[:,-1,:]
Pytorch LSTM
James-J: 也可以用每个时间步的输出，如果是做股票预测的话是输入历史序列预测明天的未知结果，所以只需要取最后一个结果
Pytorch LSTM
嗳galaxy: 作者你好，我不太明白为什么forward函数总是返回最后一个时间步，预测出来的output不应该都是预测值吗，为什么只要每个batch的最后一个时间步？
简单理解LSTM
James-J: 输入维度的定义有些API可以自己选择，默认第一维度是数据条数，也就是5000，一般输入三维的形式，比如（数据条数，时间步长，一条数据的特征数量）
简单理解LSTM
AI兴趣爱好者: 5000,打错了

transformer

关注

关注数：文章数：1 文章阅读量：5306 文章收藏量：4

作者: James-J

这个作者很懒，什么都没留下…

展开

Be aware, overflowing tokens are not returned for the setting you have chosen

原文提醒如下：Be aware, overflowing tokens are not returned for the setting you have chosen, i.e. sequence pairs with the 'longest_first' truncation strategy. So the returned list will always be empty even if some tokens have been removed.出现场景：encode_token

原创 2022-04-21 17:02:57 · 5308 阅读 · 0 评论

transformer

作者: James-J

Be aware, overflowing tokens are not returned for the setting you have chosen