文件名称：cond_rnn:使用Tensorflow和Keras简化了条件RNN
文件大小：13.17MB
文件格式：ZIP
更新时间：2024-05-24 23:37:55
Python
Tensorflow / Keras的条件RNN 使用时间不变的数据来调节时间序列。 pip install cond-rnn 介绍 如果您有一些时间序列数据且外部输入不依赖时间，则CondRNN很有用。 让我们考虑一下两个不同城市的一些天气数据：巴黎和旧金山。 目的是预测下一个温度数据点。 根据我们的知识，天气因城市而异。 您可以： 将辅助功能与时间序列数据结合起来（很丑！）。 将辅助要素与RNN层的输出连接起来。 由于RNN层看不到此辅助信息，因此这是某种RRN后的调整。 或者只是使用这个库！ 长话短说，我们用学习到的条件表示（例如巴黎或旧金山）来初始化RNN状态。 这样，您就可以优雅地建模P(x_{t+1}|x_{0:t}, cond) 。 顺序API 请参阅下面发布的示例。 功能性API import cond_rnn outputs = cond_rnn . C
【文件预览】：
cond_rnn-master
----.github()
--------FUNDING.yml(23B)
--------workflows()
----cond_rnn()
--------cond_rnn.py(5KB)
--------__init__.py(53B)
----examples()
--------dummy_stations_example.py(3KB)
--------multi_cond_example.py(2KB)
--------test_cond_rnn.py(632B)
--------temperature()
--------stack_lstm_cond_example.py(2KB)
--------single_cond_example.py(1KB)
--------README.md(943B)
----tox.ini(479B)
----LICENSE(1KB)
----setup.py(361B)
----README.md(9KB)
----misc()
--------arch.png(232KB)