[英]Deep Neural Network in Python with 3 inputs and 3 outputs
我想在 Python(最好是 PyTorch,但 TensorFlow 也是可能的)中实现一个深度神经网络,它可以预测下一个位置和到达该位置的时间。 对于原始数据,我有一个 csv 文件,其中包含三个值的序列:纬度、经度和时间:
39.984702,116.318417,2008-10-23,02:53:04
39.984683,116.31845,2008-10-23,02:53:10
39.984686,116.318417,2008-10-23,02:53:15
...
这样的行数约为 100 000。所以,这是我的问题。 我应该如何拆分数据,对其进行规范化和转换,以便将其输入 DNN(最好是 GRU 或 LSTM,但我读到 CNN 也是可能的)并作为 output 接收预测的位置和到达时间?
根据我目前的研究,应该做的是将数据拆分为序列(长度为 n),规范化值,甚至可能更改时间的格式(确保不将其作为字符串输入),然后处理最后一个在 DNN 的教学过程中,序列中的值作为 label。 一个简单的代码会非常有帮助,因为我在理解 NN 的输入和输出的不同维度方面存在问题。
只是一个提示,暂时我会将其转换为 Epoch Unix 时间戳。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.