在Pytorch上使用LSTM模型进行能量预测 以下存储库包含几个笔记本，可与ASHRAE的数据库配合使用，以应对Kaggle上的Great Energy Predictor III竞赛。 我们将第三个模型与其他两个模型之间的问题框架稍有不同的三个模型进行比较。 它们的网络性质不同，前两个是LSTM RNN模型，第三个是简单FCNN模型。 然后将结果进行比较，然后评估有关在预测问题上使用LSTM的便利性的一些观察结果。 训练和评估模型所用的数据对应于住宅建筑物的电力负荷，以及来自最近车站的每小时气象数据。 您可以在找到原始数据和数据描述。

这个工具有三种画图风格：FCNN、LeNet、AlexNet。

声明：交通标志1000+高清原图（4160*3120）样张（已经对50+类交通标志进行标注），均为本人原生数据，耗时4天整才完成图片采集和标注工作 用于神经网络图像处理的，交通标志检测实现，深度学习实现，fastercnn实现，GUI窗口设计，matlab图像识别代码，深度学习样例。去年6月份上传，由于大小限制一共分了12块，必须12块都下载完毕后，用7z进行解压才行，缺少任何一块都会导致解压失败；最近发现资源由于解压失败被举报，现在有将资料重新整理，进行上传，希望为图像处理相关的朋友们提供些帮助。由于上传文件大小限制，该解压包只有部分数据（整个包为2.2G），请查看包内说明获取全部数据。