ting_qifengl的博客

最近搞了一个NASA PCoE的IGBT加速老化数据，想基于pytorch框架写一个LSTM模型进行IGBT退化状态的预测，于是有了这篇文章。注：LSTM的原理就不多讲了，网上一大堆，不懂的自己去百度，本文主要侧重代码实现。一、数据集介绍本数据集是NASA PCoE研究中心公布的IGBT加速老化数据集。数据集含有四种实验条件下的IGBT加速老化数据，以下是实验条件：（1）新设备的源测量单元（SMU data for new devices）该文件中含有一组原始实验条件下的电气特性数据，分

接上一篇文章（pytorch实现LSTM），在实现LSTM之后，又发现了GRU网络。说GRU是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，也是当前非常流形的一种网络。所以决定尝试一下！注：数据集仍然使用上文中的IGBT加速老化数据集，数据与处理方法不变，直接上代码！！！在保证输入样本参数和学习率不变的情况下，即input_size = 5，out_oput = 1，lr = 0.01，试了很多参数，发现在训练集80%，测试集20%，hidden_size