暑期项目实训7.7 flask+darnn继续修改+内网穿透+DSTP论文阅读

最近几天的工作主要包括一下三个方面：

1. flask的了解与使用
2. 之前DARNN网络的改进(表现有一些进步)与放弃
3. 内网穿透的方法
4. DSTP论文阅读

---

flask的了解与使用

        股票预测的算法总之是做出了一个可以用的（虽然正确率不高），要和后端连接起来，所以要把自己的电脑部署成一个服务器，为后端访问预测方法提供接口。之前用过java的tomcat，但是不知道python究竟是个什么情况，经过了解学习和商讨，最后我们一致决定用flask框架，感觉方便简单一些。

from flask import Flask

import Flask后就可以进行接下来的工作了。

app = Flask(__name__)

定义好一个接口：

@app.route('/HAHAHA')
def hhh():
    return 'dededede'

开始运行：

if __name__ == '__main__':
    app.run(host='0.0.0.0',port = 5000)

然后用浏览器访问，界面显示dededede就可以了。

        到此为止，自己就搭建好了，这时候如果对方连接上我电脑发出的热点（理论上一个局域网下就可以，但是我不知道为什么校园网调试了好久都不能访问，以前tomcat校园网是可以访问的）访问端口就也显示相同的界面了。

---

DARNN的进一步改进

        之前以为自己的拟合度很好，但是经过学长提醒，放大看后出现了很明显的“平移现象”，也就是当前的预测在重复上一刻的结果。曲线看似拟合的很好，但是没有什么价值。

        哎你说巧不巧，我之前不是为了想自己预测的更准确一些，同时注重涨跌的预测，我对数据进行了差分处理，关注与预测那个“下一个时间点时值的变化量”，上篇论文中我以为是无用功，但经过我最近的调整参数的增大训练量后，展现了一些的作用，最明显的就是，虽然“拟合度”没那么高了，但是相当大幅度的减弱了“平移现象”。涨跌的正确率在大小为200的测试集上为59.5%，在经过了解DARNN本来的效果之后，我对这个结果还可以接受，以后有时间还会继续研究如何对数据进行处理，才能够使它表现的更好。

---

内网穿透的学习

        因为要放假回家了，到时候大家（和后端）肯定不在同一个局域网下，更别提给他开“热点”了，经过我们项目经理的介绍，了解到有内网穿透的软件，可以不需要买台公共服务器就可以访问，克服了我们将会遇到的问题。但是我们之前都没用过，所以最近也在学习内网穿透的知识。

        最后我们决定用csdn上以为大佬分享的内网穿透的程序：(9条消息) 完全免费的内网穿透软件使用图文教程_小小小小小真的博客-CSDN博客

        上面的教程挺详细的，有一点小注意点，“xxz”域名访问的前缀不可以重复，我和我朋友都按照教程简单的设置了xxz，后设置的那个人就会报错。设置好后程序跑起来，别人就可以访问了。

        至此，内网穿透的部分应该结束了（目前还没碰到其他问题）

---

DSTP-RNN: a dual-stage two-phase attention-based recurrent neural networksfor long-termand multivariatetime series prediction论文阅读

        我本来就想多写几个模型，然后进行集成预测，在暂时放下DARNN的改进后，我又找到了一篇新的论文，也就是这一篇，原因是这篇论文里对比了DARNN，表现显著比它好，所以我便跃跃欲试。

        简单看过一遍，发现上当了，它和DARNN好像啊，不同的是网络模型改了一下，思路还是一样的，

        我暂时的理解就是第一个阶段的注意力的机制分两部分，先进行剧烈且分散的权重分配，再进行对权重的平稳且集中的响映，然后是对时间的注意力机制。（并没有详细的阅读论文具体如何实现）

       那这篇论文实际上就是在DARNN的基础上做了一些改进（我目前的粗鄙的想法），打算在明天把它看懂，具体实现出来，对比一下表现，在9号回家前争取做个这两个的集成出来（因为两个模型思路相似，所以我感觉集成的效果应该不好，只是想了解一下集成学习的流程）

        这就是最近除去毛概复习和考试之外进行的工作。