基于keras实现的LSTM网络

基于KERAS实现的LSTM网络，有run.py, model.py , 数据处理模块和参数文件。用KERAS搭建的网络。很好理解。

__author__ = “Jakob Aungiers“
__copyright__ = “Jakob Aungiers 2018“
__version__ = “2.0.0“
__license__ = “MIT“

import os
import json
import time
import math
import matplotlib.pyplot as plt
from core.data_processor import DataLoader
from core.model import Model


def plot_results（predicted_data true_data）:
    fig = plt.figure（facecolor=‘white‘）
    ax = fig.add_subplot（111）
    ax.plot（true_data label=‘True Data‘）
    plt.plot（predicted_data label=‘Prediction‘）
    plt.legend（）
    plt.show（）


def plot_results_multiple（predicted_data true_data prediction_len）:
    fig = plt.figure（facecolor=‘white‘）
    ax = fig.add_subplot（111）
    ax.plot（true_data label=‘True Data‘）
	# Pad the list of predictions to shift it in the graph to it‘s correct start
    for i data in enumerate（predicted_data）:
        padding = [None for p in range（i * prediction_len）]
        plt.plot（padding + data label=‘Prediction‘）
        plt.legend（）
    plt.show（）


def main（）:
    configs = json.load（open（‘config.json‘ ‘r‘））
    if not os.path.exists（configs[‘model‘][‘save_dir‘]）: os.makedirs（configs[‘model‘][‘save_dir‘]）

    data = DataLoader（
        os.path.join（‘data‘ configs[‘data‘][‘filename‘]）
        configs[‘data‘][‘train_test_split‘]
        configs[‘data‘][‘columns‘]
    ）

    model = Model（）
    model.build_model（configs）
    x y = data.get_train_data（
        seq_len=configs[‘data‘][‘sequence_length‘]
        normalise=configs[‘data‘][‘normalise‘]
    ）

    ‘‘‘
	# in-memory training
	model.train（
		x
		y
		epochs = configs[‘training‘][‘epochs‘]
		batch_size = configs[‘training‘][‘batch_size‘]
		save_dir = configs[‘model‘][‘save_dir‘]
	）
	‘‘‘
    # out-of memory generative training
    steps_per_epoch = math.ceil（（data.len_train - configs[‘data‘][‘sequence_length‘]） / configs[‘training‘][‘batch_size‘]）
    model.train_generator（
        data_gen=data.generate_train_batch（
            seq_len=configs[‘data‘][‘sequence_length‘]
            batch_size=configs[‘training‘][‘batch_size‘]
            normalise=configs[‘data‘][‘normalise‘]
        ）
        epochs=configs[‘training‘][‘epochs‘]
        batch_size=configs[‘training‘][‘batch_size‘]
        steps_per_epoch=steps_per_epoch
        save_dir=configs[‘model‘][‘save_dir‘]
    ）

    x_test y_test = data.get_test_data（
        seq_len=configs[‘data‘][‘sequence_length‘]
        normalise=configs[‘data‘][‘normalise‘]
    ）

    predictions = model.predict_sequences_multiple（x_test configs[‘data‘][‘sequence_length‘] configs[‘data‘][‘sequence_length‘]）
    # predictions = model.predict_sequence_full（x_test configs[‘data‘][‘sequence_length‘]）
    # predictions = model.predict_point_by_point（x_test）

    plot_results_multiple（predictions y_test configs[‘data‘][‘sequence_length‘]）
    # plot_results（predictions y_test）


if __name__ == ‘__main__‘:
    main（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\
     文件          12  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\.gitignore
     文件        1084  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\README.md
     文件         765  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\config.json
     目录           0  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\core\
     文件         362  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\core\__init__.py
     文件        3562  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\core\data_processor.py
     文件        4274  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\core\model.py
     文件         237  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\core\utils.py
     目录           0  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\data\
     文件       61721  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\data\sinewave.csv
     文件      310533  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\data\sp500.csv
     文件          82  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\requirements.txt
     文件        2870  2018-10-15 20:50  LSTM-Neural-Network-for-Time-Series-Prediction-master\run.py