代码逐行注释|用PyTorch实现深度学习的时间序列预测（基于LSTM循环神经网络）

文章预览

大家可能没有注意过，人类一直在不自觉地对各种事物进行预测——哪怕是最微小或看似无关紧要的事物。 例如，装水的时候我们会预测什么时候能装满杯子。 在过马路时，我们会本能地预判车辆的位置，以确保自己能够安全通过。 在执行这些日常任务时，我们并不需要精确了解车辆的速度或水流的速度，这些复杂的计算对我们来说似乎是自然而然、水到渠成的事情。 这些预测能力是通过多年的生活经验、学习和练习，在无数次的实践过程中逐渐培养起来的。 然而，当我们试图主动预测大规模现象（如天气变化或未来一年的经济走势）时，情况就变得复杂得多了。 由于这些现象涉及的因素众多且相互关联，我们往往会感到力不从心，难以做出准确的预测。 这时，计算机的强大功能便显得尤为重要——它能够弥补我们在处理看似随机的偶发事件 ………………………………