python rnn 예제

특정 회사의 주식을 말하는 시퀀스 데이터의 예를 사용하여 이 작업을 수행합니다. 간단한 기계 학습 모델 또는 인공 신경망은 주식의 양, 개방 값 등과 같은 여러 기능을 기반으로 주가를 예측하는 방법을 배울 수 있습니다. 이 외에도, 가격은 또한 주식이 이전 fays 및 주에 어떻게 지냈는지에 따라 달라집니다. 상인의 경우,이 기록 데이터는 실제로 예측을하기위한 주요 결정 요인입니다. 이 코드 예제에서는 멋진 캡슐화와 더 나은 코드를 갖기 위해 Python 클래스에서 모델을 빌드하겠습니다. 첫 번째 클래스는 입력 데이터를 포함하는 간단한 클래스입니다: 이 네트워크를 구성하는 방법에는 여러 가지가 있으며 전자 필기장에는 여러 가지 다른 클래스가 있습니다. 예를 들어 서로 겹쳐진 두 개의 LSTM 레이어, 양방향에서 시퀀스를 처리하는 양방향 LSTM 레이어 또는 더 많은 밀도 레이어를 사용할 수 있습니다. 나는 잘 작동 하기 위해 위의 설정을 발견. 모델의 핵심은 한 번에 한 단어를 처리하고 문장의 다음 단어에 대한 가능한 값의 확률을 계산하는 LSTM 셀로 구성됩니다. 네트워크의 메모리 상태는 0의 벡터로 초기화되고 각 단어를 읽은 후 업데이트됩니다. 계산상의 이유로, 우리는 크기 batch_size의 미니 일괄 처리로 데이터를 처리합니다.

이 예제에서는 current_batch_of_words가 단어의 “문장”과 일치하지 않는다는 점에 유의해야 합니다. 일괄 처리의 모든 단어는 시간 t. TensorFlow 자동으로 당신을 위해 각 일괄 처리의 그라데이션을 합계 합니다. 마지막으로 출력의 손실 $xi$ (손실)은 입력 데이터의 모든 시퀀스에 대한 평균 제곱 오차 함수 (MSE)를 통해이 예제에서 계산됩니다. 단어 수는 매개 변수로 남아 있습니다. 여기에 표시된 예제에 50을 사용하므로 네트워크에 50개의 단어를 제공하고 51번째 를 예측하도록 교육합니다. 네트워크를 교육하는 다른 방법은 시퀀스의 각 지점에서 다음 단어를 예측하도록 하는 것입니다. 여기서 사용되는 구현이 반드시 최적(허용되는 최상의 솔루션은 없지만 잘 작동)은 아닙니다! 좋은 기사! 예측을 위해 둘 이상의 타임계열을 사용하는 경우 코드를 어떻게 수정해야 합니까? 예: Line 42: 100,000개 이상의 교육 예제를 반복하여 다시 재생 신경망 자체로 돌아갑니다.

Comments are closed.


Iron Age Tattoo Aftercare

Iron Age Piercing Aftercare

Iron Age Notary Form
We cannot display this gallery
RE-LOADABLE GIFT CARDS AVAILABLE NOW!
Iron Age Gift Cards
Iron Age on Facebook
Iron Age on Instagram
Iron Age on Twitter