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

neveranever的博客

neveranever

博客等级

码龄6年

3
原创

12
点赞

92
收藏

2
粉丝

关注

私信

分类专栏

新手程序员便捷指令（linux，git等）

最新评论

基于pytorch的lstm时间回归预测（附全部代码）
IM-CODDING: 请问第一步：定一个time_step，把原数据拆成n个样本，比如原数据是[[1a,1b],[2a,2b],[3a,3b],[4a,4b]]，time_step定为2，则原数据被拆成[[[1a,1b],[2a,2b]],[[2a,2b],[3a,3b]],[[3a,3b],[4a,4b]]]。那time_step定为3，是不是原数据被拆成[[[1a,1b],[2a,2b],[3a,3b]],[[2a,2b],[3a,3b],[4a,4b]]]。
基于pytorch的lstm时间回归预测（附全部代码）
weixin_51714810: 你好，请问134行 out = net(var_x)报错NotImplementedError，该如何解决呢？
基于pytorch的lstm时间回归预测（附全部代码）
站在井底憧憬星空: # 这里的目的和上面的一样，就是弄数据； # 上面循环完毕了之后，此时j=2,上面的数据训练到32*3=96个数据； # 还有剩下的没有弄完，所以重复了一遍 train_X = data_sample[(j + 1) * batch_size:, :, :] train_Y = label_sample[(j + 1) * batch_size:, :, :] var_x = torch.tensor(train_X, dtype=torch.float32, device=device) var_y = torch.tensor(train_Y, dtype=torch.float32, device=device)
基于pytorch的lstm时间回归预测（附全部代码）
Janiceii: 第一步：定一个time_step，把原数据拆成n个样本，比如原数据是[[1a,1b],[2a,2b],[3a,3b],[4a,4b]]，time_step定为2，则原数据被拆成[[[1a,1b],[2a,2b]],[[2a,2b],[3a,3b]],[[3a,3b],[4a,4b]]]。请问！这里为什么不是被拆成[[[1a,1b],[2a,2b]], [[3a,3b],[4a,4b]]]？？
基于pytorch的lstm时间回归预测（附全部代码）
adi1997: 啊啊啊啊啊啊啊啊啊

新手程序员便捷指令（linux，git等）

关注

从零开始，半路出家的程序员碰到的指令都会在这里记录下来。

关注数：文章数：0 文章阅读量：0 文章收藏量：0

作者: neveranever

这个作者很懒，什么都没留下…

展开

专栏收录文章

空空如也