实验内容包含要进行什么实验,实验的目的是什么,实验用到的算法及其原理的简单介绍。
(1)理解序列数据处理方法,补全面向对象编程中的缺失代码,并使用torch自带数据工具将数据封装为dataloader。
(2)分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU,并在至少一种数据集上进行实验。
(3)从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果(最好使用图表展示)。
(4)不同超参数的对比分析(包括hidden_size、batchsize、lr等) 选其中至少1-2个进行分析。
若实验内容皆为指定内容,则此部分则可省略;若实验内容包括自主设计模型等内容,则需要在此部分写明设计思路、流程,并画出模型图并使用相应的文字进行描述。
简单介绍实验环境和涉及的数据集:
Python3.11+pytorch+pycharm
Windows11
在所给的两个数据集中,实验中选用的是车辆分类数据集。数据集中共包含1358张车辆图片,分别属于汽车、客车和货车三类。其中汽车有779张,货车有360张,客车有218张