paddlets.models.dl.paddlepaddle.rnn

class RNNBlockRegressor(in_chunk_len: int, out_chunk_len: int, rnn_type_or_module: str = 'SimpleRNN', fcn_out_config: ~typing.Optional[~typing.List[int]] = None, hidden_size: int = 128, num_layers_recurrent: int = 1, dropout: float = 0.0, skip_chunk_len: int = 0, sampling_stride: int = 1, loss_fn: ~typing.Callable[[...], ~paddle.Tensor] = <function mse_loss>, optimizer_fn: ~typing.Callable[[...], ~paddle.optimizer.optimizer.Optimizer] = <class 'paddle.optimizer.adam.Adam'>, optimizer_params: ~typing.Dict[str, ~typing.Any] = {'learning_rate': 0.0001}, eval_metrics: ~typing.List[str] = [], callbacks: ~typing.List[~paddlets.models.dl.paddlepaddle.callbacks.callbacks.Callback] = [], batch_size: int = 128, max_epochs: int = 10, verbose: int = 1, patience: int = 4, seed: int = 0)

基类：PaddleBaseModelImpl

RNN模型实现。

参数

• in_chunk_len (int) – 模型输入的时间序列长度。

• out_chunk_len (int) – 模型输出的序列长度。

• rnn_type_or_module (str, Optional) – 指定具体的RNN模型（”SimpleRNN”, “GRU” 或 “LSTM”）。

• fcn_out_config (List[int], Optional) – 全连接层的各层神经元数量列表。

• hidden_size (int, Optional) – RNN模型隐藏状态h大小。

• num_layers_recurrent (int, Optional) – 循环网络的层数。

• dropout (float, Optional) – dropout概率，除第一层外每层输入时的dropout概率。

• skip_chunk_len (int, Optional) – 可选变量， 输入序列与输出序列之间跳过的序列长度，既不作为特征也不作为预测目标使用，默认值为0。

• sampling_stride (int, optional) – 相邻两个样本的采样间隔。

• loss_fn (Callable, Optional) – 损失函数。

• optimizer_fn (Callable, Optional) – 优化器算法。

• optimizer_params (Dict, Optional) – 优化器参数。

• eval_metrics (List[str], Optional) – 模型评估指标。

• callbacks (List[Callback], Optional) – 自定义的callback函数。

• batch_size (int, Optional) – 每个batch中的样本数量。

• max_epochs (int, Optional) – 训练过程中最大迭代轮数。

• verbose (int, Optional) – 模型日志模式。

• patience (int, Optional) – 训练过程中学习率降低所需的效果不再提升的轮数。

• seed (int, Optional) – 全局随机种子。