我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

LSTM

2022-02-11 model:lstm-ubuntu18.04-cuda11.1.1-cudnn8-python3.8-pytorch1.8.0-new

模型标签
图像预测

模型简介

LSTM是一种循环神经网络体系结构,能够学习长期的规律,它是由Hochreiter和Schmidhuber在论文中首先被提出的,并且在后来的工作中被许多人精炼和推广。像大多数rnn一样,LSTM网络具有通用性,因为只要有足够的网络单元,它就可以计算任何传统计算机能够计算的东西,只要它有适当的权值矩阵,可以把它看作是它的程序。但是与传统的rnn不同,LSTM网络非常适合从经验中学习,以便在重要事件之间有很长时间的未知滞后时对时间序列进行分类、处理和预测。模型采用北京PM2.5数据集作为模型的训练和测试数据,该数据集里有北京2010年到2014年的天气数据,每小时一条,数据集中包含43824个序列,每个序列长度为13。模型的任务是用20个数据点的多变量预测后20个时间点的空气质量。论文题目:《Long Short-Term Memory》 论文地址:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.676.4320&rep=rep1&type=pdf



1. 使用方法

1.1. 环境配置

进入终端,在根目录路径下,运行以下命令:

cp -r datasets/LSTM/raw ../../user-data
#将平台的公开数据集复制到指定路径下
cp -r modelsets/LSTM/model_save2 ../../user-data
#将模型的预训练权重文件复制到指定路径下

1.2. 模型推断

进入终端,在root/lstm(默认)路径下,运行以下命令:

python interface.py
# 该命令会对测试集中的20个数据点进行预测

1.3. 模型训练

进入终端,在root/lstm(默认)路径下,运行以下命令:

python train.py

1.4. 模型测试

进入终端,在root/lstm(默认)路径下,运行以下命令:

python test.py

2. 模型来源

https://github.com/yangwohenmai/LSTM