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
RE-LOADABLE GIFT CARDS AVAILABLE NOW!
Iron Age Gift Cards
Iron Age on Facebook
Iron Age on Instagram
Iron Age on Twitter