qq_38633279的博客

【代码】Pytorch读取自己的数据集。

数据集为10分类问题。

保存的模型格式为：XXX.pth。

建立了3层（3层=2层+1层全连接层）。分别是conv1、conv2和分类问题中的全连接层线性层out。

【代码】PyTorch框架绘制loss和accuracy曲线。

【代码】Pytorch深度学习完整CPU图像分类代码。

Pytorch深度学习完整GPU图像分类代码

参考：https://gitee.com/qiangchen_sh/stock-prediction/blob/master/%E4%BB%A3%E7%A0%81/LSTM%E4%BB%8E%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80%E5%88%B0%E4%BB%A3%E7%A0%81%E5%AE%9E%E6%88%98%203%20%E8%82%A1%E7%A5%A8%E4%BB%B7%E6%A0%BC%E9%A2%84%E6%B5%8B_Pytorch.ipynb#

代码说明：代码中包含了训练、测试和预测。但没有对该模型进行评估。

*选用Close和Low两个特征，使用窗口time_steps窗口的2个特征，然后预测Close这一个特征数据未来一天的数据当batch_first=True,则LSTM的inputs=(batch_size,time_steps,input_size)time_steps = 滑动窗口，本项目中值为lookbackinput_size = 2【因为选取了Close和Low两个特征】**

input_size:输入数据的特征维度，（单变量=1,embedding=【词向量的表示维度】）hidden_size:LSTM隐层的维度num_layers:循环神经网络的层数 1或者2batch_first:通常默认为False，输入的数据shape=(time_steps,batch_size,embedding)batch_first=True,则输入的数据shape=(batch_size,time_steps,embedding)