کد شبکه RNN در پایتون

---

شرح پروژه

سلام دوستان. من یک فایل اتچ میکنم که با pickle دامپ شده. میتونید با همون pickle برش گردونید. 

من یک شبکه ال اس تی ام نوشتم، این داده ها، داده های من ، قبل از ورود به اون شبکه است. 

ورودی شبکه یک دنباله 80 تایی با 3 تا فیچر هست

خروجی یک دنباله تکی با 2 تا فیچر هست 

من میخوام این داده ها رو با RNN هم بررسی کنم اما هر چی کد میزنم، اعداد mse در ترین و تست بهتر نمیشن. در واقع دور و بر یک عدد میگردن و ارتقایی در کار نیست. ترین رو توی ال اس تی ام تونستم تا 0.002 بیارم، تست البته زیر 0.2 نمیاد. 

ولی این شبکه RNN ظاهرا یه جایی گیره! دنبال مشکل اونم! 

ممنون میشم اگر میتونید راهنمایی کنید که مشکل کجاست. 

اون تابع counter فقط برای درست کردن ریپورت تعریف شده. مهم نیست. 

کد من : 

import os
import pickle
import sys

import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense, SimpleRNN
from keras.callbacks import LambdaCallback


if sys.platform.startswith('win'):
# Windows file paths
DataFilePattAndName = r"C:\Users\s\Dropbox\ThesisData\LSTMLogFiles\XtrainYtrainXtestYtest.pk"
LogFilePathAndName = r"C:\Users\s\Dropbox\ThesisData\LSTMLogFiles\Results.txt"
LogFolderPath = r"C:\Users\s\Dropbox\ThesisData\LSTMLogFiles"
else:
# Linux/Unix file paths
DataFilePattAndName = "Dropbox/s/LSTMLogFiles/XtrainYtrainXtestYtest.pk"
LogFilePathAndName = "Dropbox/s/LSTMLogFiles/Results.txt"
LogFolderPath = "Dropbox/s/LSTMLogFiles"


with open(DataFilePattAndName, 'rb') as f:
data = pickle.load(f)

X_train, Y_train, X_test, Y_test = data


def get_counter(LogFolderPath):
counter_file = os.path.join(LogFolderPath, 'counter.txt')

if os.path.exists(counter_file):
# If counter file exists, read its value and increment by 1
with open(counter_file, 'r') as f:
counter = int(f.read().strip())
counter += 1
else:
# If counter file doesn't exist, start counter from 1
counter = 1

# Write the updated counter value to the file
with open(counter_file, 'w') as f:
f.write(str(counter))

counter_str = str(counter) + '-'
return counter_str

Counter = get_counter(LogFolderPath)
OneLinerName = Counter


# create the model
model = Sequential()
model.add(SimpleRNN(128, input_shape=(80, 3), return_sequences=True))
model.add(SimpleRNN(128))
model.add(Dense(2,activation='linear'))


# compile the model
model.compile(loss='mean_squared_error', optimizer='adam')

# train the model with validation data and record the model history
history = model.fit(X_train, Y_train, epochs=100, batch_size=100, validation_data=(X_test, Y_test))
with open(LogFolderPath + "/" + OneLinerName + ".hisrory", 'wb') as dumper:
pickle.dump(history, dumper)

مهارت ها و تخصص های مورد نیاز

---

---