pytorch-RNN进行回归曲线预测方式
作者:马飞飞 时间:2022-01-27 08:40:32
任务
通过输入的sin曲线与预测出对应的cos曲线
#初始加载包 和定义参数
import torch
from torch import nn
import numpy as np
import matplotlib.pyplot as plt
torch.manual_seed(1) #为了可复现
#超参数设定
TIME_SETP=10
INPUT_SIZE=1
LR=0.02
DOWNLoad_MNIST=True
定义RNN网络结构
from torch.autograd import Variable
class RNN(nn.Module):
def __init__(self):
#在这个函数中,两步走,先init,再逐步定义层结构
super(RNN,self).__init__()
self.rnn=nn.RNN( #定义32隐层的rnn结构
input_size=1,
hidden_size=32, #隐层有32个记忆体
num_layers=1, #隐层层数是1
batch_first=True
)
self.out=nn.Linear(32,1) #32个记忆体对应一个输出
def forward(self,x,h_state):
#前向过程,获取 rnn网络输出r_put(注意这里r_out并不是最后输出,最后要经过全连接层) 和 记忆体情况h_state
r_out,h_state=self.rnn(x,h_state)
outs=[]#获取所有时间点下得到的预测值
for time_step in range(r_out.size(1)): #将记忆rnn层的输出传到全连接层来得到最终输出。 这样每个输入对应一个输出,所以会有长度为10的输出
outs.append(self.out(r_out[:,time_step,:]))
return torch.stack(outs,dim=1),h_state #将10个数 通过stack方式压缩在一起
rnn=RNN()
print('RNN的网络体系结构为:',rnn)
创建数据集及网络训练
以sin曲线为特征,以cos曲线为标签进行网络的训练
#定义优化器和 损失函数
optimizer=torch.optim.Adam(rnn.parameters(),lr=LR)
loss_fun=nn.MSELoss()
h_state=None #记录的隐藏层状态,记住这就是记忆体,初始时候为空,之后每次后面的都会使用到前面的记忆,自动生成全0的
#这样加入记忆信息后,每次都会在之前的记忆矩阵基础上再进行新的训练,初始是全0的形式。
#启动训练,这里假定训练的批次为100次
plt.ion() #可以设定持续不断的绘图,但是在这里看还是间断的,这是jupyter的问题
for step in range(100):
#我们以一个π为一个时间步 定义数据,
start,end=step*np.pi,(step+1)*np.pi
steps=np.linspace(start,end,10,dtype=np.float32) #注意这里的10并不是间隔为10,而是将数按范围分成10等分了
x_np=np.sin(steps)
y_np=np.cos(steps)
#将numpy类型转成torch类型 *****当需要 求梯度时,一个 op 的两个输入都必须是要 Variable,输入的一定要variable包下
x=Variable(torch.from_numpy(x_np[np.newaxis,:,np.newaxis]))#增加两个维度,是三维的数据。
y=Variable(torch.from_numpy(y_np[np.newaxis,:,np.newaxis]))
#将每个时间步上的10个值 输入到rnn获得结果 这里rnn会自动执行forward前向过程. 这里输入时10个,输出也是10个,传递的是一个长度为32的记忆体
predition,h_state=rnn(x,h_state)
#更新新的中间状态
h_state=Variable(h_state.data) #擦,这点一定要从新包装
loss=loss_fun(predition,y)
#print('loss:',loss)
optimizer.zero_grad()
loss.backward()
optimizer.step()
# plotting 画图,这里先平展了 flatten,这样就是得到一个数组,更加直接
plt.plot(steps, y_np.flatten(), 'r-')
plt.plot(steps, predition.data.numpy().flatten(), 'b-')
#plt.draw();
plt.pause(0.05)
plt.ioff() #关闭交互模式
plt.show()
来源:https://blog.csdn.net/maqunfi/article/details/84504645
标签:pytorch,RNN,回归曲线
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
Python实现线程状态监测简单示例
2023-12-07 20:31:25
![](https://img.aspxhome.com/file/2023/6/94056_0s.png)
python实现监控阿里云账户余额功能
2022-08-19 23:43:32
![](https://img.aspxhome.com/file/2023/9/127759_0s.jpg)
SQL Server 2005:数据类型最大值
2009-06-04 09:55:00
如何使用Python的OpenCV库处理图像和视频
2022-09-06 10:22:12
![](https://img.aspxhome.com/file/2023/9/90349_0s.png)
用Dreamweaver MX轻松操作表格
2009-05-29 18:41:00
![](https://img.aspxhome.com/file/UploadPic/20072/20072311325453s.jpg)
Python之freegames 零代码的22个小游戏集合
2023-07-29 16:24:05
![](https://img.aspxhome.com/file/2023/4/84924_0s.png)
Python Pyperclip模块安装和使用详解
2023-06-25 13:52:11
javascript动态添加单元格的脚本代码
2023-09-02 05:21:26
Python的matplotlib绘图如何修改背景颜色的实现
2023-10-05 08:12:43
![](https://img.aspxhome.com/file/2023/0/62900_0s.png)
Python流程控制if条件选择与for循环
2022-04-03 21:09:52
![](https://img.aspxhome.com/file/2023/8/131648_0s.png)
用Python实现一本个性化日历
2021-02-11 08:59:44
![](https://img.aspxhome.com/file/2023/1/134531_0s.jpg)
python GUI库图形界面开发之PyQt5信号与槽机制、自定义信号基础介绍
2022-04-18 06:08:49
![](https://img.aspxhome.com/file/2023/1/81551_0s.png)
Python readline()和readlines()函数实现按行读取文件
2022-02-21 13:19:36
ASP下标越界错误的解决方法
2008-10-19 17:39:00
什么是 XML Web Service
2008-09-05 17:21:00
《CSS禅意花园》学习笔记
2008-10-20 12:43:00
![](https://img.aspxhome.com/file/UploadPic/up/2008102012534738.gif)
用JS找出字符串中出现次数最多的字母
2007-11-12 13:40:00
Python datetime时间格式化去掉前导0
2022-03-15 11:43:15
pandas如何统计某一列或某一行的缺失值数目
2023-02-10 21:36:00
Django使用Profile扩展User模块方式
2023-06-16 12:26:12
![](https://img.aspxhome.com/file/2023/0/70090_0s.jpg)