tensorflow-lstm-回归：使用具有TensorFlow的递归神经网络（LSTM）进行序列预测-源码
张量流-lstm回归
这是基于循环网络的回归器的示例：
目的是根据以前使用LSTM架构的观察结果，在本示例中预测连续值，sin和cos函数。
本示例已更新为与tensrflow-1.1.0兼容的新版本。 这个新版本使用了一个库 ，该库提供了一个API，可基于张量流创建深度学习模型和实验。
安装并运行
创建一个虚拟环境
建议您为安装程序创建一个virtualenv，因为此示例高度依赖于需求文件中设置的版本。
使用python3
$ mkvirtualenv -p python3 ltsm
(ltsm) $
使用python2
$ mkvirtualenv ltsm
(ltsm) $
安
文件下载
评论信息
其他资源
- PEMS使用说明
- 基于stm32的mma7361数据采集
- mips-sde-elf-i686-pc-linux-gnu.tar.bz2
- STM32F1标准例程
- CSAPP: malloc lab 文档及解答
- Pygame——AI重力四子棋
- 基于极大似然估计的三维定位算法
- DroidCam谷歌Play版6.7.1
- 交流电机及其系统的分析
- 73个ogg格式铃声
- Server 10.2.ecp
- MFC简单画图程序，重绘，点，线，矩形，椭圆，拖拽预览
- 电阻炉微型计算机温度控制系统的设计
- 中央广播电视大学《工程经济与管理》期末总复习资料（含答案）.pdf
- Python基础训练100题.pdf
- jave-nativebin-win64-3.0.0.jar
- Python-垃圾分类助手猜测可能是什么垃圾
- 基于FPGA的qpsk调制解调
- 基于opencv的手势识别程序，亲测可用
- Freebase-FB15k
- turbogrid帮助文件
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明