Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Udfordring: Tidsserieprognose med LSTM | Tidsserieanalyse
Introduktion til RNNs

bookUdfordring: Tidsserieprognose med LSTM

Opgave

Swipe to start coding

  1. Definér klassen TimeSeriesPredictor, og færdiggør dens __init__-metode for at opsætte nn.LSTM- og nn.Linear-lagene, samt implementér dens forward-metode til at behandle inputsekvenser og generere en forudsigelse.

  2. Instantiér TimeSeriesPredictor-modellen, og definér derefter nn.MSELoss som criterion og torch.optim.Adam som optimizer.

  3. Implementér trænings- og evalueringssløjferne, inklusive forward- og backward-passager, parameteropdateringer og tabsberegning.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 3. Kapitel 6
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

close

Awesome!

Completion rate improved to 4.55

bookUdfordring: Tidsserieprognose med LSTM

Stryg for at vise menuen

Opgave

Swipe to start coding

  1. Definér klassen TimeSeriesPredictor, og færdiggør dens __init__-metode for at opsætte nn.LSTM- og nn.Linear-lagene, samt implementér dens forward-metode til at behandle inputsekvenser og generere en forudsigelse.

  2. Instantiér TimeSeriesPredictor-modellen, og definér derefter nn.MSELoss som criterion og torch.optim.Adam som optimizer.

  3. Implementér trænings- og evalueringssløjferne, inklusive forward- og backward-passager, parameteropdateringer og tabsberegning.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

close

Awesome!

Completion rate improved to 4.55
Sektion 3. Kapitel 6
single

single

some-alt