具有多个输出的Pytorch中的多功能RNN
我目前正在尝试使用Pytorch找出RNN的基础,并且我从理论上理解了例如LSTM单元的基础知识。我在理解Pytorch中的RNN(或LSTM)时遇到一些问题 我似乎不知道如何准备数据 我有一个数据集,有许多不同长度的序列。 每个序列有3个属性(对应于纬度、经度和速度),如下所示:具有多个输出的Pytorch中的多功能RNN,pytorch,lstm,Pytorch,Lstm,我目前正在尝试使用Pytorch找出RNN的基础,并且我从理论上理解了例如LSTM单元的基础知识。我在理解Pytorch中的RNN(或LSTM)时遇到一些问题 我似乎不知道如何准备数据 我有一个数据集,有许多不同长度的序列。 每个序列有3个属性(对应于纬度、经度和速度),如下所示: array([[ 6.92456324e+01, -5.35513514e+01, 2.66666667e-01], [ 6.92456324e+01, -5.35513514e+01, 2.6666666
array([[ 6.92456324e+01, -5.35513514e+01, 2.66666667e-01],
[ 6.92456324e+01, -5.35513514e+01, 2.66666667e-01],
[ 6.92456650e+01, -5.35514333e+01, 0.00000000e+00],
[ 6.92456733e+01, -5.35514242e+01, 0.00000000e+00],
...,...,...])
然后我想训练一个RNN来预测未来的纬度和经度(前两个特征)
也就是说,对于第一行,我想在第2步、第11步和最后一步中预测LAT和LON。对于第二行,我想预测步骤3、步骤12和最后一步ect中的LAT和LON
我想通过扩展测试和向后滑动测试(我想这就是所谓的)来尝试这一点,看看两者的区别
我试着四处看看,但大多数时候,重点是让网络与我联系