# RNN_Pytorch

**Repository Path**: wonderif/RNN_Pytorch

## Basic Information

- **Project Name**: RNN_Pytorch
- **Description**: Using the Pytorch to build an image temporal prediction model of the encoder-forecaster structure, ConvGRU kernel & ConvLSTM kernel
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2020-05-18
- **Last Updated**: 2021-04-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RNN_Pytorch
使用pytorch框架搭建一个encoder-forecaster结构的图像时序预测模型，ConvGRU内核

##文件说明

    BMSELoss.py 一个对不同降雨级别进行加权损失的loss函数。
    ConvGRUCell.py 利用卷积操作实现的ConvGRU内核，单Cell
    ConvLSTM.py 利用卷积操作实现的ConvLSTM内核，包含了单Cell，多层Cell的实现方式，以及一个实验用的RNN模型
    encoder.py 序列编码结构
    forecaster.py 序列预测结构
    HKO_EF.py 尝试一个试验性质的训练方式
    HKO_model.py HKO-7模型的搭建和训练
    RNN.py 一般的RNN模型
    RNN_train.py RNN模型的训练

##模型说明 

    本项目参考的HKO模型为论文  [Deep learning for precipitation nowcasting: A benchmark and a new model](http://papers.nips.cc/paper/7145-deep-learning-for-precipitation-nowcasting-a-benchmark-and-a-new-model)
    encoder和forecaster 结构皆参照此论文编写
    本文的数据样本原始大为20*1*477*477，训练过程中会缩放或随机切割到120*120大小。
    原始数据为0-70之间的DBz值，在输入网络前已经映射到（0-255）/255.所以代码中的BMSELoss的阈值也经过了调整。
    
    
[![LICENSE](https://img.shields.io/badge/license-Anti%20996-blue.svg)](https://github.com/996icu/996.ICU/blob/master/LICENSE)