Question

我希望训练RNN模型，以便可以预测时间序列模型中的T步。到目前为止，我所看到的大多数示例都围绕文本。

我的玩具示例是预测3个正弦波，如下所示：

x = torch.arange(0,30,0.05)
y = [torch.sin(x), torch.sin(x-np.pi), torch.sin(x-np.pi/2)]
y = torch.stack(y)
y = y.t()

y的形状为600,3。但是，为了使LSTM接受它，输入的形状必须为(seq_len, batch, input_size)。我想知道pytorch中是否有将它们转换为所需格式的函数。假设就我而言，我想要seq_len=50和batch_size=32。

此machinelearningmastery中的代码段是我找到的唯一代码段。

# convert an array of values into a dataset matrix
def create_dataset(dataset, look_back=1):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        a = dataset[i:(i+look_back), 0]
        dataX.append(a)
        dataY.append(dataset[i + look_back, 0])
    return numpy.array(dataX), numpy.array(dataY)

是pad_packed_sequence还是在pytorch中类似的东西本来就是这样做的。

如果有人感兴趣，这是我的LSTM模型：

class LSTM(nn.Module):
    def __init__(self, n_features, h, num_layers=2):
        super().__init__()
        self.lstm = nn.LSTM(n_features, h, num_layers)
        self.linear = nn.Linear(h, n_features)

    def forward(self, input, h=None):
        lstm_out, self.hidden = self.lstm(input, h)
        return self.linear(lstm_out)

[可选问题]对于我最终得到的任何解决方案，是否有办法确保我可以进行有状态的培训？

PyTorch中的火车时间序列

0 个答案: