Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Haaste: Aikasarjojen Ennustaminen LSTM:llä | Aikasarja-analyysi
Johdatus RNN-Verkkoihin

bookHaaste: Aikasarjojen Ennustaminen LSTM:llä

Tehtävä

Swipe to start coding

  1. Määrittele TimeSeriesPredictor-luokka ja täydennä sen __init__-metodi alustamaan nn.LSTM- ja nn.Linear-kerrokset sekä toteuta forward-metodi syötesequencen käsittelyä ja ennusteen tuottamista varten.

  2. Luo TimeSeriesPredictor-malli, määrittele nn.MSELoss-funktion criterion ja torch.optim.Adam-optimointialgoritmin optimizer.

  3. Toteuta koulutus- ja evaluointisilmukat, mukaan lukien eteen- ja taaksepäin kulut, parametrien päivitykset ja tappion laskenta.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 6
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

close

Awesome!

Completion rate improved to 4.55

bookHaaste: Aikasarjojen Ennustaminen LSTM:llä

Pyyhkäise näyttääksesi valikon

Tehtävä

Swipe to start coding

  1. Määrittele TimeSeriesPredictor-luokka ja täydennä sen __init__-metodi alustamaan nn.LSTM- ja nn.Linear-kerrokset sekä toteuta forward-metodi syötesequencen käsittelyä ja ennusteen tuottamista varten.

  2. Luo TimeSeriesPredictor-malli, määrittele nn.MSELoss-funktion criterion ja torch.optim.Adam-optimointialgoritmin optimizer.

  3. Toteuta koulutus- ja evaluointisilmukat, mukaan lukien eteen- ja taaksepäin kulut, parametrien päivitykset ja tappion laskenta.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

close

Awesome!

Completion rate improved to 4.55
Osio 3. Luku 6
single

single

some-alt