代码问题

我有一个LSTM产生奇怪的结果，预测值似乎与输入数据的标量不同，而预测结果在（0.5-0.5）范围内，而输入数据已用MinmaxScaler在范围（0,1）

我从数据中删除了MinmaxScaler，发现LSTM仍在给出预测值（-0.5-0.5），即使实际值没有按比例缩小

Input sequence: [176153.8125,170.0,1511.0,77.59058380126953,915.5689086914062]
Label: 10671.240234375
Predicted output: 0.30351510643959045

LSTM代码：

class LSTM(nn.Module):
def __init__(self,input_size=360,hidden_layer_size=50,output_size=batchSize):
    super().__init__()
    self.hidden_layer_size = hidden_layer_size

    self.lstm = nn.LSTM(input_size,hidden_layer_size)

    self.linear = nn.Linear(hidden_layer_size,output_size)

    self.hidden_cell = (torch.zeros(1,1,self.hidden_layer_size),torch.zeros(1,self.hidden_layer_size))

def init_hidden(self):
    return (torch.zeros(1,self.hidden_layer_size))

def forward(self,input_seq):

    lstm_out,self.hidden_cell = self.lstm(input_seq.view(len(input_seq),-1),self.hidden_cell)

    predictions = self.linear(lstm_out.view(len(input_seq),-1))


    return predictions[-1]

培训代码：

for i in range(epochs):

for seq,labels in train_loader:
    seq = seq.to(device)
    labels = labels.to(device)
    optimizer.zero_grad()
    model.module.hidden_cell = model.module.init_hidden()

    y_pred = model(seq)


    single_loss = loss_function(y_pred,labels)
    single_loss.backward()
    optimizer.step()

我错过了什么吗？还是我的模特只是胡扯

问题答案

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:starryrocklee#gmail.com (将#修改为@）

如果觉得前端之家所整理的内容很不错的话，欢迎点击下方分享按钮，转发给身边开发程序员好友。