Tensorflow用循环神经网络中的LSTM实现回归预测

Microstrong0305

于 2018-07-21 21:19:42 发布

阅读量5k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：深度学习 TensorFlow学习笔记文章标签： Tensorflow RNN LSTM Tensorboard BPTT

本文链接：https://blog.youkuaiyun.com/program_developer/article/details/81149085

本文通过Tensorflow利用LSTM模型进行回归预测，具体应用是在已知sin曲线数据的情况下，训练模型预测cos曲线。文章介绍了问题背景、预期效果，并展示了网络结构和详细代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

“微信公众号”

一、回归预测要实现的问题

这次我们会使用RNN来进行回归（Regression）的训练，使用自己创建的sin曲线预测一条cos曲线。如下图所示，我们用蓝色的sin曲线预测红色的cos曲线。

二、回归预测要实现的效果

经过RNN的回归训练，我们的网络预测结果和真实结果的一个比对图，如下所示。

三、网络结构展示

四、代码展示

#conding:utf-8

'''
Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly.
Run this script on tensorflow r0.10. Errors appear when using lower versions.
'''

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# define super-parameters
BATCH_START = 0 # 建立batch data时候的index
TIME_STEPS = 20 # backpropagation through time 的 time_steps
BATCH_SIZE = 50
INPUT_SIZE = 1 # sin 数据输入size
OUTPUT_SIZE = 1 # cos数据输出size
CELL_SIZE = 10 # RNN的hidden unit size
LR