主要包含两个部分, 一部分是B题中用到的部分计算程序:problems
另一部分是深度学习模型例如rnn, lstm用到的训练程序: multivariate_time_series_rnn, 现在对程序结构比较复杂的多元时间序列rnn 程序进行简单介绍
我们用了两个深度学习模型rnn和lstm,
./multivariate_time_series_rnn/networks
模型构造文件,包含用到的rnn和lstm
./multivariate_time_series_rnn/opts/*.yaml
文件来训练的过程的设置, 例如训练轮数, 模型选择等.
./multivariate_time_series_rnn/dataset
放置了给定的气象&污染物表格数据的载入程序, 能够灵活调整数据形式，有监督训练模型
./multivariate_time_series_rnn/scripts
可执行python文件
./multivariate_time_series_rnn/splits
数据集索引
note:首先通过 ./problems下数据预处理程序将数据集整理好
- 实验平台重要的依赖项
pytorch 1.5.1
cuda 10.1
tensorboardX
- 训练
编辑 opts/*.yaml文件然后
python scripts/train.py。
如果设置正确， 终端如下所示
- 可视化过程
跟踪到 *.yaml文件里的log_dir然后
tensorboard --logdir=.
浏览器打开127.0.0.1:6006观看训练时损失函数变化以及模型的绝对误差AbsRel曲线变化，如下图所示