IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 使用RNN预测各个国家的人均GDP -> 正文阅读

[人工智能]使用RNN预测各个国家的人均GDP

参照肖智清老师的《神经网络与PyTorch实战》

import torch.nn
import torch
from pandas_datareader import wb
import torch.optim
import pandas as pd


countries = ['BR', 'CN', 'FR', 'DE', 'IN', 'JP', 'SA', 'GB', 'US']
dat = wb.download(indicator='NY.GDP.PCAP.KD', country=countries, start=1970, end=2016)
df = dat.unstack().T
df.index = df.index.droplevel(0)


class Net(torch.nn.Module):
    def __init__(self, input_size, hidden_size):
        super(Net, self).__init__()
        self.rnn = torch.nn.LSTM(input_size=input_size, hidden_size=hidden_size)
        self.fc = torch.nn.Linear(hidden_size, 1)

    def forward(self, x):
        x = x[:, :, None]
        x, _ = self.rnn(x)
        x = self.fc(x)
        x = x[:, :, 0]
        return x

net = Net(input_size=1, hidden_size=5)


df_scaled = df / df.std()
years = df.index
train_seq_len = sum((years >= '1971') & (years <= '2000'))
test_seq_len = sum(years > '2000')
print(f'Train length: {train_seq_len}, Test length: {test_seq_len}.')
inputs = torch.tensor(df_scaled.iloc[:-1].values, dtype=torch.float32)
labels = torch.tensor(df_scaled.iloc[1:].values, dtype=torch.float32)


criterion = torch.nn.MSELoss()
optimizer = torch.optim.Adam(net.parameters())
for step in range(10001):
    if step:
        optimizer.zero_grad()
        train_loss.backward()
        optimizer.step()

    preds = net(inputs)
    train_preds = preds[:train_seq_len]
    train_labels = labels[:train_seq_len]
    train_loss = criterion(train_preds, train_labels)

    test_preds = preds[-test_seq_len]
    test_labels = labels[-test_seq_len]
    test_loss = criterion(test_preds, test_labels)

    if step % 500 == 0:
        print(f'Step: {step}, Test loss: {test_loss:.001%}, Train loss: {train_loss:.001%}')

#
# df_lately_scaled = df / df.std()
# inputs_lately = torch.tensor(df_scaled.iloc[:-1].values, dtype=torch.float32)
# labels_lately = torch.tensor(df_scaled.iloc[1:].values, dtype=torch.float32)
# preds_lately = net(inputs_lately)
# Final_loss = criterion(preds_lately, labels_lately)
# print(f'The final loss is: {Final_loss}')






  1. 原文中有两个国家(加拿大和以色列),数据有空缺,运行时,loss函数会一直出现nan
    为了避免这种情况,把这两个国家删掉
  2. 这段程序的input是(46, 11),46应该对应的是batch_size,但作者没有进行修正,直接导入了net,这导致,rnn中的第一项seq_len对应成了46, 第二项batch_size对应11,与输入的含义不符,相当于进行了一次batch_first = True,这样做不影响结果,只是含义不符。有点别扭。可以在37,38行插入下面两句话:
inputs = inputs.T
labels = labels.T

48, 49行修改为:

    train_preds = preds[:, :train_seq_len]
    train_labels = labels[:, :train_seq_len]

52,53行修改为:

    test_preds = preds[:, :-test_seq_len]
    test_labels = labels[:, :-test_seq_len]
  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-22 13:32:41  更:2021-08-22 13:33:59 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/1 12:31:57-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码