一个处女座的程序猿
一个处女座的程序猿

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)

目录

基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)

#1、定义数据集

# 2、数据集预处理

# 2.1、数据集切分

# 2.2、数据维度转换

# 2.3、训练集、测试集进行MinMax归一化

# 2.4、依次构建train、test的时序性数据集矩阵

# (1)、for循环构建train时序性数据集矩阵

# (2)、for循环构建test时序性数据集矩阵

# 3、模构建GRU模型

# 3.1、模型构建

# 3.2、模型编译并定义优化器、损失函数

# 3.3、模型训练并保存checkpoint文件

# 使入模数据维度标准化

# 创建并保存weights.tx权重文件

# 模型训练过程可视化：绘制loss

epoch=5

# 3.4、模型评估

# 对真实、预测数据进行MinMax反归一化还原

# 画出真实数据和预测数据的对比曲线

# 输出模型评估指标

# 保存预测结果

相关文章
DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)

基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第1张图片

#1、定义数据集

# 数据集下载：http://quotes.money.163.com/trade/lsjysj_600519.html

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第2张图片

日期 股票代码 名称 收盘价 最高价 最低价 开盘价 前收盘 涨跌额 涨跌幅 换手率 成交量 成交金额 总市值 流通市值
2022/6/27 '600519 贵州茅台 2010.55 2049.94 2000.3 2019.94 2009.01 1.54 0.0767 0.3193 4011517 8124448900 2.53E+12 2.53E+12
2022/6/24 '600519 贵州茅台 2009.01 2020 1965 1970 1957.1 51.91 2.6524 0.3155 3963465 7921199792 2.52E+12 2.52E+12
2022/6/23 '600519 贵州茅台 1957.1 1965.04 1940 1942.7 1936 21.1 1.0899 0.2137 2684352 5239860443 2.46E+12 2.46E+12
2022/6/22 '600519 贵州茅台 1936 1958 1932 1955 1945.74 -9.74 -0.5006 0.1564 1964665 3813775294 2.43E+12 2.43E+12
2022/6/21 '600519 贵州茅台 1945.74 1966.99 1928 1949 1942.02 3.72 0.1916 0.1888 2371702 4617805127 2.44E+12 2.44E+12
2022/6/20 '600519 贵州茅台 1942.02 1970 1930 1950 1951 -8.98 -0.4603 0.2784 3497478 6802792459 2.44E+12 2.44E+12
2022/6/17 '600519 贵州茅台 1951 1952 1878.09 1878.09 1877 74 3.9425 0.4023 5054161 9749530916 2.45E+12 2.45E+12
2022/6/16 '600519 贵州茅台 1877 1907.63 1875.33 1894.59 1875.1 1.9 0.1013 0.214 2688670 5087605391 2.36E+12 2.36E+12
2022/6/15 '600519 贵州茅台 1875.1 1905 1862.99 1870 1871 4.1 0.2191 0.268 3366362 6354869100 2.36E+12 2.36E+12
2022/6/14 '600519 贵州茅台 1871 1875.42 1832 1834 1856 15 0.8082 0.2342 2941623 5467949348 2.35E+12 2.35E+12
2022/6/13 '600519 贵州茅台 1856 1892 1848.08 1890 1900.6 -44.6 -2.3466 0.2926 3675518 6847248995 2.33E+12 2.33E+12
2022/6/10 '600519 贵州茅台 1900.6 1907 1835 1845.01 1853 47.6 2.5688 0.3769 4734462 8882462598 2.39E+12 2.39E+12
2022/6/9 '600519 贵州茅台 1853 1888.35 1849 1872 1865.6 -12.6 -0.6754 0.2096 2632902 4897066622 2.33E+12 2.33E+12
2022/6/8 '600519 贵州茅台 1865.6 1882 1825 1825 1817.9 47.7 2.6239 0.3531 4435381 8236953846 2.34E+12 2.34E+12
2022/6/7 '600519 贵州茅台 1817.9 1825 1770.31 1784.14 1788 29.9 1.6723 0.279 3504859 6356031009 2.28E+12 2.28E+12
2022/6/6 '600519 贵州茅台 1788 1795 1758 1790 1786 2 0.112 0.2925 3674126 6535329352 2.25E+12 2.25E+12
2022/6/2 '600519 贵州茅台 1786 1795.8 1780 1787.97 1788.25 -2.25 -0.1258 0.1347 1691473 3019718032 2.24E+12 2.24E+12
2022/6/1 '600519 贵州茅台 1788.25 1814.78 1779 1802 1804.03 -15.78 -0.8747 0.1732 2176001 3897858999 2.25E+12 2.25E+12
2022/5/31 '600519 贵州茅台 1804.03 1814.9 1766.98 1774.77 1778.41 25.62 1.4406 0.3244 4075082 7329201058 2.27E+12 2.27E+12
2022/5/30 '600519 贵州茅台 1778.41 1790.55 1766 1766 1755.16 23.25 1.3247 0.2744 3446569 6135631304 2.23E+12 2.23E+12

# 2、数据集预处理

# 2.1、数据集切分

training_set 
 [2019.94 1970.   1942.7  ...   26.07   25.92   26.5 ]
test_set 
 [26.5   0.   25.69 25.6  26.3  25.92 26.   26.24 26.48 26.   25.8  25.8
 25.98 25.78 26.05 26.13 27.2  26.75 26.95 26.7  26.22 26.08 26.03 26.25
 26.5  26.6  27.11 27.1  27.45 26.97 26.79 27.5  27.91 27.78 27.6  27.9
 27.68 27.7  28.   28.15 28.12 28.36 27.98 28.4  28.68 28.97 28.8  28.99
 28.75 29.11 29.01 29.   29.46 30.   30.3  30.35 30.52 30.63 30.4  30.45
 30.56 30.55 30.89 30.73 31.15 31.15 31.   31.   30.59 30.79 30.5  30.98
 30.98 30.7  30.8  31.21 31.42 31.43 31.32 31.44 31.3  31.28 31.52 31.68
 32.2  32.5  32.61 36.3  36.45 36.68 36.37 36.05 35.95 35.68 36.01 35.99
 35.63 36.12 36.18 36.18 36.06 36.68 36.75 36.8  37.08 36.7  36.9  37.28
 39.04 35.   34.98 34.9  34.7  34.55 34.9  35.1  34.8  34.75 35.   34.8
 34.38 34.5  34.9  34.9  35.   34.88 35.21 35.2  35.   35.01 35.88 35.1
 35.54 34.99 34.89 35.25 35.68 35.4  35.57 36.05 36.   36.31 36.48 36.2
 35.5  35.1  35.5  36.19 36.   36.39 37.   38.5  37.88 38.46 37.62 37.49
 37.43 37.   37.3  37.78 36.97 37.02 37.61 37.16 38.   38.01 38.15 38.7
 38.49 38.92 39.3  38.8  38.1  38.12 38.02 38.11 38.31 39.45 39.69 38.55
 38.2  38.8  38.06 37.35 37.95 38.   37.85 37.99 37.6  37.18 37.86 37.93
 37.18 37.5  36.   35.6  35.2  37.   37.24 37.36 36.65 35.8  36.3  34.8
 36.2  36.48 35.98 35.7  37.01 36.98 36.5  37.   37.15 38.72 37.67 37.3
 37.22 36.54 36.45 35.99 34.7  35.9  35.9  35.48 35.11 35.02 35.61 35.6
 36.   36.   36.1  35.9  37.   36.25 35.35 34.83 35.01 35.05 34.58 35.
 35.01 35.22 35.48 35.2  34.15 36.2  33.65 33.64 33.28 34.4  33.7  33.35
 35.   34.8  35.   35.28 35.05 35.   35.25 34.88 34.7  35.7  36.78 36.
 33.3  34.   34.2  34.79 35.13 35.9  35.9  36.01 37.3  36.6  37.   36.9
 36.08 36.11 36.28 36.06 36.28 36.9  36.3  35.88 36.08 36.01 36.01 35.33
 36.8  35.4  36.5  37.35 37.61 37.01 37.2  37.15 36.28 36.98 34.99 34.51]

# 2.2、数据维度转换

进行MinMaxScaler之前，需要将数据从(4754,)→(4754, 1)

before reshape  (4752,) (300,)
after reshape  (4752, 1) (300, 1)

# 2.3、训练集、测试集进行MinMax归一化

# 2.4、依次构建train、test的时序性数据集矩阵

# (1)、for循环构建train时序性数据集矩阵

# 提取训练集中连续X_num=60天的开盘价，作为输入特征x_train；以第61天的数据作为label，for循环共构建4752-300-60=4392组数据

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59
0 0.78050835 0.761211447 0.750662679 0.755415421 0.75309701 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843
1 0.761211447 0.750662679 0.755415421 0.75309701 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795
2 0.750662679 0.755415421 0.75309701 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241
3 0.755415421 0.75309701 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983
4 0.75309701 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248
5 0.753483412 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616
6 0.725697262 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206
7 0.732072891 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009
8 0.722571272 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459
9 0.708660809 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887
10 0.730299307 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027
11 0.712915092 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549
12 0.723344075 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363
13 0.705183193 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327
14 0.689394818 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351
15 0.691659132 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351 0.68014436
16 0.690874736 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351 0.68014436 0.6847039
17 0.696295953 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351 0.68014436 0.6847039 0.713220349
18 0.685774233 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351 0.68014436 0.6847039 0.713220349 0.710979219
19 0.68238549 0.680063215 0.680453481 0.682103417 0.690113525 0.695523149 0.680063215 0.674271053 0.685345327 0.683884729 0.694363944 0.687795114 0.677362267 0.678135071 0.664611009 0.687795114 0.701315312 0.707115202 0.709433612 0.692818337 0.68281826 0.658169692 0.676203062 0.681226285 0.691736412 0.696176168 0.695523149 0.688231748 0.696373233 0.690886328 0.682771892 0.668088625 0.683931097 0.683158293 0.679294276 0.677362267 0.668451843 0.664611009 0.656110171 0.642006507 0.627902843 0.661519795 0.671566241 0.658814983 0.666110248 0.666156616 0.663838206 0.664611009 0.631380459 0.637562887 0.668475027 0.68238549 0.698614363 0.681651327 0.680059351 0.68014436 0.6847039 0.713220349 0.710979219 0.696295953

# 依次对x_train、y_train打乱数据并转为array格式

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59
0 0.076739387 0.078284994 0.077284214 0.07651141 0.074355289 0.074142768 0.073563165 0.073470429 0.072821274 0.074420977 0.073458837 0.074119584 0.073161307 0.075348341 0.073416332 0.068300373 0.064706837 0.069938717 0.074003663 0.077601063 0.077183749 0.079977434 0.080379292 0.081337568 0.08172397 0.081140503 0.082033091 0.079989026 0.080174499 0.079687633 0.082276525 0.08085843 0.079212359 0.079869242 0.080692277 0.080286556 0.077226254 0.08384918 0.085201586 0.084231717 0.085008385 0.085684588 0.087771157 0.088486001 0.097087304 0.095634433 0.098532446 0.099691651 0.09930525 0.091523118 0.088486001 0.096600437 0.103536349 0.098532446 0.098648367 0.098532446 0.095302128 0.095970603 0.096608165 0.101044058
1 0.449385235 0.449771637 0.453998872 0.455954065 0.446294021 0.447066824 0.444748414 0.443589209 0.428326339 0.422723514 0.418473095 0.411904265 0.432468566 0.438295505 0.442430003 0.442236802 0.436247575 0.440807116 0.440497995 0.440494131 0.434701968 0.426973933 0.42851954 0.431610754 0.430065147 0.426973933 0.414605213 0.413488512 0.407653846 0.409972256 0.405660013 0.397220999 0.39800153 0.392646002 0.390385552 0.378094112 0.368434068 0.366888461 0.359740029 0.365149653 0.364763252 0.377325173 0.376741706 0.377321309 0.371730075 0.371706891 0.365524463 0.370292661 0.371834404 0.37094568 0.369013671 0.371525282 0.374036894 0.376915587 0.373959613 0.379176037 0.382522276 0.379033068 0.378403233 0.384489061
2 0.019961514 0.020201083 0.019629209 0.019895826 0.018933686 0.018740485 0.018431363 0.018203386 0.018160882 0.018218842 0.018593652 0.019049606 0.017310798 0.017368759 0.016163185 0.015649271 0.017194878 0.017233518 0.017252838 0.017001677 0.01758128 0.018508644 0.018570468 0.018697981 0.01893755 0.01893755 0.018547284 0.019277583 0.018933686 0.018732757 0.018744349 0.018740485 0.019590569 0.019706489 0.020286092 0.020208812 0.02040974 0.020046523 0.020089027 0.018972326 0.018674797 0.018006322 0.017959953 0.018354083 0.018810037 0.019126887 0.018895046 0.018663205 0.018632292 0.019242807 0.019351 0.01978377 0.019385776 0.019397368 0.018922094 0.018578196 0.01816861 0.018547284 0.018968462 0.018276803
3 0 0.034389756 0.034582957 0.032368875 0.034768429 0.032028841 0.029115372 0.02646852 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.022685647 0.022546542 0.021978532 0.022326293 0.022666327 0.022276061 0.022990904 0 0.022326293 0.018701845 0.019223487 0.019192575 0.018315443 0.018373403 0.017627648 0.017391943
4 0.101044058 0.096600437 0.09265914 0.095004598 0.097767371 0.098130588 0.100078053 0.103161539 0.101283627 0.100464455 0.098779743 0.102396464 0.097183904 0.099734156 0.101615932 0.102466016 0.104521673 0.101986878 0.100468319 0.106357082 0.110325428 0.110742741 0.104328472 0.100340806 0.098918848 0.097373241 0.093142142 0.094668429 0.097145264 0.099015448 0.098068764 0.09938253 0.09718004 0.095101199 0.094668429 0.094274299 0.097373241 0.097628266 0.097044799 0.095093471 0.098146044 0.099529363 0.097326873 0.102010062 0.10386479 0.09273642 0.088872402 0.092311378 0.080584085 0.080796606 0.078825957 0.077879273 0.077276486 0.07901143 0.078246354 0.076063184 0.074961939 0.075719287 0.075746335 0.075997496
5 0.073690678 0.073744774 0.074988988 0.076256385 0.079591032 0.080371564 0.081913307 0.076507546 0.076240929 0.076314346 0.074710778 0.075730879 0.076314346 0.074146632 0.07722239 0.076507546 0.078903237 0.078439555 0.083605747 0.079308959 0.078427963 0.077485143 0.074189136 0.068926344 0.067573938 0.066113339 0.064355211 0.067968068 0.071866861 0.070321254 0.067832827 0.070321254 0.064374531 0.063215326 0.063366023 0.063872209 0.063350567 0.062983485 0.063570816 0.063060766 0.063655824 0.064876854 0.065205295 0.066770222 0.065301896 0.064714565 0.064760933 0.06186292 0.06237297 0.06182428 0.061252405 0.06221841 0.06414269 0.064842078 0.067233904 0.065301896 0.064359075 0.065842858 0.065143471 0.064181331
6 0.019049606 0.017310798 0.017368759 0.016163185 0.015649271 0.017194878 0.017233518 0.017252838 0.017001677 0.01758128 0.018508644 0.018570468 0.018697981 0.01893755 0.01893755 0.018547284 0.019277583 0.018933686 0.018732757 0.018744349 0.018740485 0.019590569 0.019706489 0.020286092 0.020208812 0.02040974 0.020046523 0.020089027 0.018972326 0.018674797 0.018006322 0.017959953 0.018354083 0.018810037 0.019126887 0.018895046 0.018663205 0.018632292 0.019242807 0.019351 0.01978377 0.019385776 0.019397368 0.018922094 0.018578196 0.01816861 0.018547284 0.018968462 0.018276803 0.018160882 0.018933686 0.018895046 0.018160882 0.018160882 0.018350219 0.018044962 0.017967681 0.018276803 0.0176972 0.01761992
7 0.087535452 0.088482137 0.087713197 0.090147528 0.092006121 0.087666829 0.086940394 0.084621983 0.083447322 0.084618119 0.082342213 0.084544703 0.081994451 0.080282692 0.07959876 0.077906321 0.078516836 0.078725492 0.077496735 0.07728035 0.079208495 0.079135078 0.078277266 0.078053153 0.078091794 0.076306618 0.077183749 0.077272622 0.077662888 0.078439555 0.078482059 0.077767216 0.079985162 0.077666752 0.076507546 0.079115758 0.076163649 0.076932588 0.077705392 0.078501379 0.078891645 0.080754102 0.082218564 0.081144367 0.084235581 0.08432059 0.085077937 0.084475151 0.087125867 0.086940394 0.086546264 0.087114274 0.087635917 0.084235581 0.083269577 0.082840671 0.082848399 0.082612694 0.081217784 0.082110372
8 0.078825957 0.07952148 0.078748677 0.080023802 0.083115016 0.076893948 0.07728035 0.077821312 0.076893948 0 0.071441819 0.071472732 0.068238549 0.067427105 0.066665894 0.068702231 0.067628034 0.069629595 0.069127273 0.068586311 0.068779511 0.070325118 0.071870725 0.070518319 0.069552315 0.070904721 0.072284175 0.068694503 0.066461101 0.066310404 0.066468829 0.069057721 0.070518319 0.069583227 0.071097922 0.07071152 0.074382337 0.072570113 0.074196864 0.074579402 0.07370227 0.073029931 0.072662849 0.070904721 0.068779511 0.068199909 0.069042265 0.071097922 0.073026067 0.068045348 0.067658946 0.063694464 0.062098625 0.056607856 0.058551457 0.056406927 0.056287143 0.053713707 0.054660392 0.055641852
9 0.096310636 0.096527021 0.094710933 0.094579556 0.093748792 0.093644464 0.093895625 0.093115094 0.094784349 0.092357746 0.090804411 0.091963616 0.089826815 0.088486001 0.088219383 0.089220164 0.092558675 0.093041677 0.094668429 0.093122822 0.092910301 0.093316023 0.09285234 0.093397167 0.090108888 0.09051461 0.089838407 0.091577215 0 0.084235581 0.083845316 0.086940394 0.088486001 0.089065603 0.087794342 0.089606566 0.091546303 0.089904095 0.088721706 0.092125905 0.094382491 0.095433504 0.095827634 0.096013107 0.096986839 0.097295961 0.097550986 0.096144483 0.095302128 0.093702424 0.093938129 0.095124383 0.096407237 0.096310636 0.096940471 0.098493806 0.096600437 0.092972125 0.092690052 0.094857766
10 0.772370729 0.772842139 0.78632756 0.78632756 0.772803499 0.763116407 0.792123587 0.799851622 0.763143456 0.763916259 0.755415421 0.801768174 0.772803499 0.809511665 0.788259569 0.842355814 0.841969412 0.811443674 0.853561465 0.891811374 0.875254059 0.948616295 0.947132513 1 0.960208348 0.915308465 0.903020889 0.898384068 0.846606233 0.830763762 0.816165504 0.823035727 0.811903492 0.803715639 0.827630044 0.844287823 0.804874844 0.79946522 0.791350783 0.775894713 0.801053331 0.79639719 0.8172397 0.833082172 0.836173386 0.806806853 0.807579657 0.827672548 0.810284469 0.797842333 0.768939482 0.772795771 0.750005796 0.722571272 0.723730477 0.705801436 0.696678491 0.702478381 0.733386657 0.714831645
11 0.3091214 0.300620561 0.299867078 0.301393365 0.305249654 0.304484579 0.303904976 0.290709356 0.290237946 0.282169878 0.28099908 0.285473613 0.277436456 0.275118046 0.27820926 0.285937295 0.284090294 0.287482902 0.279751003 0.284051654 0.285937295 0.288255705 0.279754867 0.277703073 0.271833631 0.273989753 0.269720013 0.255005835 0.259267846 0.257343565 0.255025155 0.264781799 0.267390011 0.266230805 0.261207583 0.257347429 0.263139591 0.254967194 0.259275574 0.264685198 0.262977303 0.269901622 0.272026832 0.274345242 0.272335953 0.26936066 0.263525993 0.261980386 0.26275319 0.2650716 0.263603274 0.270469633 0.279368465 0.273572439 0.270867626 0.287482902 0.289843816 0.289801312 0.28747131 0.288873948
12 0.061051476 0.061360598 0.061256269 0.058609417 0.057960262 0.057921622 0.058153463 0.058083911 0.057284059 0.058420081 0.059073099 0.059884543 0.059042187 0.058118687 0.057527492 0.057110179 0.056414655 0.058582369 0.057284059 0.057110179 0.055672764 0.054869048 0.05525545 0.053566875 0.053818036 0.055228402 0.055100889 0.054134885 0.05437059 0.053392994 0.053632563 0.052747703 0.05254291 0.051410753 0.050579989 0.050425428 0.050000386 0.050518165 0.050541349 0.049683537 0.049115526 0.049304863 0.04864798 0.048879821 0.048899141 0.049401464 0.04868662 0.049656489 0.050309508 0.050154947 0.050970255 0.051005031 0.051491897 0.051159592 0.052554502 0.053787124 0.054702896 0.054637207 0.054181253 0.054505831
13 0.118857178 0.120905107 0.119842503 0.119251308 0.121909752 0.122682556 0.122535723 0.122137729 0.124819357 0.122010216 0.119409733 0.121148541 0.122025673 0.115843245 0.114000108 0.110897302 0.110974582 0.112064235 0.111109823 0.11090503 0.106260481 0.106368674 0.108180898 0.105785207 0.107048741 0.108103617 0.105719519 0.106206385 0.104602818 0.103443612 0.105622918 0.106801444 0.106840084 0.108965293 0.103169267 0.101627524 0.102551024 0.098918848 0.09718004 0.09765145 0.097369377 0.098331517 0.098304469 0.096492245 0.095379408 0.094730253 0.096244948 0.096990703 0.096932743 0.09891112 0.098153772 0.097508482 0.096407237 0.09665067 0.099425034 0.099112049 0.100464455 0.096812958 0.095591929 0.094989142
14 0.088099599 0.089258804 0.089305172 0.09059189 0.090727131 0.087519996 0.087319067 0.087326795 0.083729395 0.082786575 0.082091052 0.081990587 0.081808978 0.080487484 0.082604966 0.081302792 0.082241748 0.082110372 0.082110372 0.080700005 0.079212359 0.080866158 0.080197683 0.079451928 0.075773383 0.077728576 0.077589471 0.076893948 0.081229376 0.081577137 0.080178363 0.078949605 0.080294284 0.080197683 0.080294284 0.077585607 0.076909404 0.077894729 0.07731899 0.077326718 0.075228557 0.074656682 0.075240149 0.076893948 0.077608791 0.078296587 0.078640484 0.077666752 0.077060101 0.07680894 0.075031492 0.074390065 0.074482801 0.074107992 0.074560082 0.074915571 0.074776467 0.074471209 0.074455753 0.073223132
15 0.009273642 0.00937797 0.009273642 0.009111353 0.009115217 0.009088169 0.009092033 0.009177042 0.009188634 0.009149993 0.009235002 0.009041801 0.009103625 0.008983841 0.008960657 0.009003161 0.008922016 0.008922016 0.00888724 0.009003161 0.008918152 0.009034073 0.00882928 0.00879064 0.00888724 0.008918152 0.00880996 0.008883376 0.00888724 0.00890656 0.00888724 0.009003161 0.009146129 0.008979977 0.008794504 0.008763592 0.008694039 0.008539479 0.008241949 0.008191717 0.00829991 0.008346278 0.008427422 0.008288318 0.008265133 0.008261269 0.008292182 0.008369462 0.008404238 0.00833855 0.008346278 0.008164669 0.008191717 0.008160805 0.008160805 0.008153077 0.008180125 0.008191717 0.008176261 0.008075797
16 0.875254059 0.948616295 0.947132513 1 0.960208348 0.915308465 0.903020889 0.898384068 0.846606233 0.830763762 0.816165504 0.823035727 0.811903492 0.803715639 0.827630044 0.844287823 0.804874844 0.79946522 0.791350783 0.775894713 0.801053331 0.79639719 0.8172397 0.833082172 0.836173386 0.806806853 0.807579657 0.827672548 0.810284469 0.797842333 0.768939482 0.772795771 0.750005796 0.722571272 0.723730477 0.705801436 0.696678491 0.702478381 0.733386657 0.714831645 0.710979219 0.715542624 0.713104429 0.707308403 0.708467608 0.706253526 0.708962202 0.710979219 0.721006345 0.701319176 0.696566434 0.676975865 0.671570105 0.674657455 0.66692942 0.670407036 0.669502856 0.66692942 0.680646682 0.683927233
17 0.173540754 0.171937187 0.17312344 0.173880787 0.170982774 0.173880787 0.174197637 0.173382329 0.175001352 0.170886174 0.169645824 0.1659866 0.164240064 0.165766351 0.162134174 0.159630291 0.1598119 0.157806475 0.157806475 0.156276324 0.16081268 0.160820408 0.160213757 0.158811119 0.15904296 0.163057674 0.160561519 0.161844373 0.156415428 0.154800269 0.160356726 0.156913887 0.155719905 0.15247413 0.151083084 0.154340451 0.150998076 0.14887673 0.149943199 0.152242289 0.151852024 0.150314145 0.149019699 0.149228356 0.14799187 0.147222931 0.146813345 0.149162667 0.151593134 0.151481078 0.150901475 0.149363596 0.147025866 0.144166493 0.145503443 0.142775446 0.14356757 0.142987967 0.142937735 0.141809442
18 0.288622787 0.283108834 0.284391688 0.286516897 0.285550893 0.286876251 0.292506124 0.290690036 0.286826019 0.277436456 0.274345242 0.281686875 0.278220852 0.273186037 0.270481225 0.267390011 0.274252506 0.283819813 0.275233966 0.275890849 0.290574116 0.295717123 0.29598374 0.291346919 0.295682347 0.286323696 0.297142945 0.298765833 0.305257382 0.3091214 0.300620561 0.299867078 0.301393365 0.305249654 0.304484579 0.303904976 0.290709356 0.290237946 0.282169878 0.28099908 0.285473613 0.277436456 0.275118046 0.27820926 0.285937295 0.284090294 0.287482902 0.279751003 0.284051654 0.285937295 0.288255705 0.279754867 0.277703073 0.271833631 0.273989753 0.269720013 0.255005835 0.259267846 0.257343565 0.255025155
19 0.715731961 0.720264453 0.726435289 0.716775246 0.711404261 0.708274407 0.695523149 0.729526503 0.730337947 0.745341927 0.722571272 0.721025665 0.710789882 0.704186277 0.702547933 0.699000765 0.714070433 0.676203062 0.629062048 0.632926066 0.640974814 0.625970834 0.619402005 0.637562887 0.641040503 0.643358913 0.631411371 0.628289245 0.641426904 0.641824898 0.637176485 0.622114545 0.630990193 0.602400328 0.614301502 0.620174808 0.61399238 0.643355049 0.636650979 0.608582756 0.594239523 0.600920409 0.626828646 0.627771467 0.656882974 0.655337367 0.653018957 0.66924783 0.687798978 0.656882974 0.637949289 0.652632555 0.654131794 0.670043818 0.668475027 0.642972511 0.666543018 0.699391031 0.65804218 0.696682355

# (2)、for循环构建test时序性数据集矩阵

# 测试集：csv表格中后300天数据，for循环共构建300-60=240组数据。

# 将df格式数据转为array格式

# 3、模构建GRU模型

# 3.1、模型构建

# 3.2、模型编译并定义优化器、损失函数

# 3.3、模型训练并保存checkpoint文件

# 使入模数据维度标准化

x_train要reshape成符合RNN输入要求：[样本数， 循环核时间展开步数， 每个时间步输入特征个数]

before x_train.shape[0]： 4692
after x_train.shape： (4692, 60, 1)

# 创建并保存weights.tx权重文件

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第3张图片

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
gru (GRU)                    (None, 60, 80)            19680     
_________________________________________________________________
dropout (Dropout)            (None, 60, 80)            0         
_________________________________________________________________
gru_1 (GRU)                  (None, 100)               54300     
_________________________________________________________________
dropout_1 (Dropout)          (None, 100)               0         
_________________________________________________________________
dense (Dense)                (None, 1)                 101       
=================================================================
Total params: 74,081
Trainable params: 74,081
Non-trainable params: 0
_________________________________________________________________

# 模型训练过程可视化：绘制loss

epoch=5

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第4张图片

# 3.4、模型评估

# 对真实、预测数据进行MinMax反归一化还原

# 画出真实数据和预测数据的对比曲线

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第5张图片

# 输出模型评估指标

R2: 0.5177
MSE: 1.8693
RMSE: 1.3672
MAE: 1.2081

None
R2: 0.8342
MSE: 0.6269
RMSE: 0.7918
MAE: 0.5756

DL之GRU(Tensorflow框架)：基于茅台股票数据集利用GRU算法实现回归预测(保存模型.ckpt.index、.ckpt.data文件)_第6张图片

# 保存预测结果

你可能感兴趣的:(DL,TF/PyTorch,gru,tensorflow,股票预测)

  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • C语言宏函数 南林yan C语言c语言
    一、什么是宏函数？通过宏定义的函数是宏函数。如下，编译器在预处理阶段会将Add(x,y)替换为((x)*(y))#defineAdd(x,y)((x)*(y))#defineAdd(x,y)((x)*(y))intmain(){inta=10;intb=20;intd=10;intc=Add(a+d,b)*2;cout<
  • Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类qt开发语言sdl2linux
    需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
  • 每日一题——第八十一题 互联网打工人no1 C语言程序设计每日一练c语言
    打印如下图案:#includeintmain(){inti,j;charch='A';for(i=1;i<5;i++,ch++){for(j=0;j<5-i;j++){printf("");//控制空格输出}for(j=1;j<2*i;j++)//条件j<2*i{printf("%c",ch);//控制字符输出}printf("\n");}return0;}
  • 每日一题——第八十二题 互联网打工人no1 C语言程序设计每日一练c语言
    题目：将一个控制台输入的字符串中的所有元音字母复制到另一字符串中#include#include#include#include#defineMAX_INPUT1024boolisVowel(charp);intmain(){charinput[MAX_INPUT];charoutput[MAX_INPUT];printf("请输入一串字符串：\n");fgets(input,sizeof(inp
  • 每日一题——第八十三题 互联网打工人no1 C语言程序设计每日一练c语言
    题目：将输入的整形数字输出,输出1990，输出"1990"#include#defineMAX_INPUT1024intmain(){intarrr_num[MAX_INPUT];intnum,i=0;printf("请输入一个数字：");scanf_s("%d",&num);while(num!=0){arrr_num[i++]=num%10;num/=10;}printf("\"");for(
  • python os.environ 江湖偌大 python深度学习
    os.environ['TF_CPP_MIN_LOG_LEVEL']='0'#默认值，输出所有信息os.environ['TF_CPP_MIN_LOG_LEVEL']='1'#屏蔽通知信息（INFO）os.environ['TF_CPP_MIN_LOG_LEVEL']='2'#屏蔽通知信息和警告信息（INFO\WARNING）os.environ['TF_CPP_MIN_LOG_LEVEL']='
  • linux sdl windows.h,Windows下的SDL安装 奔跑吧linux内核 linuxsdlwindows.h
    首先你要下载并安装SDL开发包。如果装在C盘下，路径为C:\SDL1.2.5如果在WINDOWS下。你可以按以下步骤：1.打开VC++，点击"Tools",Options2,点击directories选项3.选择"Includefiles"增加一个新的路径。"C:\SDL1.2.5\include"4，现在选择"Libaryfiles“增加"C:\SDL1.2.5\lib"现在你可以开始编写你的第
  • linux中sdl的使用教程,sdl使用入门 Melissa Corvinus linux中sdl的使用教程
    本文通过一个简单示例讲解SDL的基本使用流程。示例中展示一个窗口，窗口里面有个随机颜色快随机移动。当我们鼠标点击关闭按钮时间窗口关闭。基本步骤如下：1.初始化SDL并创建一个窗口。SDL_Init()初始化SDL_CreateWindow()创建窗口2.纹理渲染存储RGB和存储纹理的区别：比如一个从左到右由红色渐变到蓝色的矩形，用存储RGB的话就需要把矩形中每个点的具体颜色值存储下来；而纹理只是一
  • 如果做到轻松在股市赚钱？只要坚持这三个原则。 履霜之人
    大A股里向来就有七亏二平一赚的说法，能赚钱的都是少数人。否则股市就成了慈善机构，人人都有钱赚，谁还要上班？所以说亏钱是正常的，或者说是应该的。那么那些赚钱的人又是如何做到的呢？普通人能不能找到捷径去分一杯羹呢？方法是有的，但要做到需要你有极高的自律。第一，控制仓位，散户最大的问题是追涨杀跌，只要涨起来，就把钱往股票上砸，然后被套，隔天跌的受不了，又一刀切，全部割肉。来来回回间，遍体鳞伤。所以散户首
  • 121. 买卖股票的最佳时机 薄荷糖的味道_fb40
    给定一个数组，它的第i个元素是一支给定股票第i天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。注意你不能在买入股票前卖出股票。示例1:输入:[7,1,5,3,6,4]输出:5解释:在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，最大利润=6-1=5。注意利润不能是7-1=6,因为卖出价格需要大于买入价格。示例2:输入:
  • pyecharts——绘制柱形图折线图 2224070247 信息可视化pythonjava数据可视化
    一、pyecharts概述自2013年6月百度EFE(ExcellentFrontEnd）数据可视化团队研发的ECharts1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据
  • Redis系列：Geo 类型赋能亿级地图位置计算 Ly768768 redisbootstrap数据库
    1前言我们在篇深刻理解高性能Redis的本质的时候就介绍过Redis的几种基本数据结构，它是基于不同业务场景而设计的：动态字符串(REDIS_STRING)：整数(REDIS_ENCODING_INT)、字符串(REDIS_ENCODING_RAW)双端列表(REDIS_ENCODING_LINKEDLIST)压缩列表(REDIS_ENCODING_ZIPLIST)跳跃表(REDIS_ENCODI
  • ARM驱动学习之4小结 JT灬新一 嵌入式C++arm开发学习linux
    ARM驱动学习之4小结#include#include#include#include#include#defineDEVICE_NAME"hello_ctl123"MODULE_LICENSE("DualBSD/GPL");MODULE_AUTHOR("TOPEET");staticlonghello_ioctl(structfile*file,unsignedintcmd,unsignedlo
  • 每日一题——第八十八题 互联网打工人no1 C语言程序设计每日一练c语言
    题目：输入一个9位的无符号整数，判断其是否有重复数字#include#include#includeintmain(){charnum_str[10];printf("请输入一个9位数的无符号数：");scanf_s("%9d",&num_str);if(strlen(num_str)!=9){printf("输入的不是一个9位无符号整数，请重新输入");}else{if(hasDuplicate
  • Python开发常用的三方模块如下： 换个网名有点难 python开发语言
    Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
  • xilinx vivado PULLMODE 设置思路 坚持每天写程序 fpga开发
    1.xilinx引脚分类XilinxIO的分类：以XC7A100TFGG484为例，其引脚分类如下：1.UserIO(用户IO)：用户使用的普通IO1.1专用(Dedicated)IO：命名为IO_LXXY_#、IO_XX_#的引脚，有固定的特定用途，多为底层特定功能的直接实现，如差分对信号、关键控制信号等，不能随意变更。1.2多功能(Multi-Function)IO：命名为IO_LXXY_ZZ
  • 1分钟解决 -bash: mvn: command not found，在Centos 7中安装Maven Energet!c 开发语言
    1分钟解决-bash:mvn:commandnotfound，在Centos7中安装Maven检查Java环境1下载Maven2解压Maven3配置环境变量4验证安装5常见问题与注意事项6总结检查Java环境Maven依赖Java环境，请确保系统已经安装了Java并配置了环境变量。可以通过以下命令检查：java-version如果未安装，请先安装Java。1下载Maven从官网下载：前往Apach
  • 自然语言处理_tf-idf _feivirus_ 算法机器学习和数学自然语言处理tf-idf逆文档频率词频
    importpandasaspdimportmath1.数据预处理docA="Thecatsatonmyface"docB="Thedogsatonmybed"wordsA=docA.split("")wordsB=docB.split("")wordsSet=set(wordsA).union(set(wordsB))print(wordsSet){'on','my','face','sat',
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 用Python实现读取统计单词个数 程序媛了了 python游戏java
    完整实例代码：fromcollectionsimportCounterdefpythonit():danci={}withopen("pythonit.txt","r",encoding="utf-8")asf:foriinf:words=i.strip().split()forwordinwords:ifwordnotindanci:danci[word]=1else:danci[word]+=
  • 如何用matlab灵活控制feko的求解 NingrLi matlab开发语言
    https://bbs.rfeda.cn/read.php?tid=3778Feko中的模型和求解设置等都可以通过editfeko进行设置，其文件存储为.pre文件，该文件可以用文本打开，因此，我们可以通过VB、VC、matlab等工具对.pre文件进行读写操作，以达到更灵活的使用feko。同样，对于.out文件，我们也可以进行读操作。熟练使用对.pre文件和.out文件的操作后，我们可以方便的计
  • react-intl——react国际化使用方案 苹果酱0567 面试题汇总与解析java开发语言中间件springboot后端
    国际化介绍i18n：internationalization国家化简称，首字母+首尾字母间隔的字母个数+尾字母，类似的还有k8s(Kubernetes)React-intl是React中最受欢迎的库。使用步骤安装#usenpmnpminstallreact-intl-D#useyarn项目入口文件配置//index.tsximportReactfrom"react";importReactDOMf
  • C++ lambda闭包消除类成员变量 barbyQAQ c++c++java算法
    原文链接：https://blog.csdn.net/qq_51470638/article/details/142151502一、背景在面向对象编程时，常常要添加类成员变量。然而类成员一旦多了之后，也会带来干扰。拿到一个类，一看成员变量好几十个，就问你怕不怕？二、解决思路可以借助函数式编程思想，来消除一些不必要的类成员变量。三、实例举个例子：classClassA{public:...intfu
  • 【Bugs】Python：“ModuleNotFoundError: No module named ‘XXX‘” 系'辞 工具箱pythonbuganaconda
    问题描述Python使用库的前提是必须已安装了相应的库，往往利用“命令行指令”实现安装，一般安装解法类似。但，还是具有延伸问题，本博客对此作记录。【1】Nomodulenamed‘seaborn’(1.1):情况1：为Anaconda安装【图1-2】.定位Anaconda路径【图3】.Anaconda路径加入Path>&
  • TextFiled 中输入金额 宁梓茞
    要求:输入的金额不能超过六位,小数点后面只能输入两位小数如果textFIled中第一位输入的是0,后面必须输入小数点,否则禁止输入用到textfiled代理方法#pragmamark----textFiledDelegate-----(BOOL)textField:(UITextField*)textFieldshouldChangeCharactersInRange:(NSRange)range
  • 基于STM32的汽车仪表显示系统：集成CAN、UART与I2C总线设计流程 极客小张 stm32汽车嵌入式硬件物联网单片机c语言
    一、项目概述项目目标与用途本项目旨在设计和实现一个基于STM32微控制器的汽车仪表显示系统。该系统能够实时显示汽车的速度、转速、油量等关键信息，并通过CAN总线与其他汽车控制单元进行通信。这种仪表显示系统不仅提高了驾驶的安全性和便捷性，还能为汽车提供更智能的用户体验。技术栈关键词微控制器：STM32显示技术：TFTLCD/OLED传感器：速度传感器、温度传感器、油量传感器通信协议：CAN总线、UA
  • 2021 CCF 非专业级别软件能力认证第一轮（CSP-J1）入门级C++语言试题 （第三大题：完善程序 代码） mmz1207 c++csp
    最近有一段时间没更新了，在准备CSP考试，请大家见谅。（1）有n个人围成一个圈，依次标号0到n-1。从0号开始，依次0，1，0，1...交替报数，报到一的人离开，直至圈中剩最后一个人。求最后剩下的人的编号。#includeusingnamespacestd;intf[1000010];intmain(){intn;cin>>n;inti=0,cnt=0,p=0;while(cnt#includeu
  • JAVA·一个简单的登录窗口 MortalTom java开发语言学习
    文章目录概要整体架构流程技术名词解释技术细节资源概要JavaSwing是Java基础类库的一部分，主要用于开发图形用户界面（GUI）程序整体架构流程新建项目，导入sql.jar包（链接放在了文末），编译项目并运行技术名词解释一、特点丰富的组件提供了多种可视化组件，如按钮（JButton）、文本框（JTextField）、标签（JLabel）、下拉列表（JComboBox）等，可以满足不同的界面设计
  • 入门MySQL——查询语法练习 K_un
    前言：前面几篇文章为大家介绍了DML以及DDL语句的使用方法，本篇文章将主要讲述常用的查询语法。其实MySQL官网给出了多个示例数据库供大家实用查询，下面我们以最常用的员工示例数据库为准，详细介绍各自常用的查询语法。1.员工示例数据库导入官方文档员工示例数据库介绍及下载链接：https://dev.mysql.com/doc/employee/en/employees-installation.h
  • jdk tomcat 环境变量配置 Array_06 javajdktomcat
    Win7 下如何配置java环境变量 1。准备jdk包，win7系统，tomcat安装包（均上网下载即可） 2。进行对jdk的安装，尽量为默认路径（但要记住啊！！以防以后配置用。。。） 3。分别配置高级环境变量。   电脑-->右击属性-->高级环境变量-->环境变量。 分别配置 : path    &nbs
  • Spring调SDK包报java.lang.NoSuchFieldError错误 bijian1013 javaspring
            在工作中调另一个系统的SDK包，出现如下java.lang.NoSuchFieldError错误。 org.springframework.web.util.NestedServletException: Handler processing failed; nested exception is java.l
  • LeetCode[位运算] - #136 数组中的单一数 Cwind java题解位运算LeetCodeAlgorithm
    原题链接：#136 Single Number 要求： 给定一个整型数组，其中除了一个元素之外，每个元素都出现两次。找出这个元素 注意：算法的时间复杂度应为O(n)，最好不使用额外的内存空间 难度：中等 分析： 题目限定了线性的时间复杂度，同时不使用额外的空间，即要求只遍历数组一遍得出结果。由于异或运算 n XOR n = 0, n XOR 0 = n，故将数组中的每个元素进
  • qq登陆界面开发 15700786134 qq
    今天我们来开发一个qq登陆界面，首先写一个界面程序，一个界面首先是一个Frame对象，即是一个窗体。然后在这个窗体上放置其他组件。代码如下： public class First {         public void initul(){        jf=ne
  • Linux的程序包管理器RPM 被触发 linux
    在早期我们使用源代码的方式来安装软件时，都需要先把源程序代码编译成可执行的二进制安装程序，然后进行安装。这就意味着每次安装软件都需要经过预处理-->编译-->汇编-->链接-->生成安装文件--> 安装，这个复杂而艰辛的过程。为简化安装步骤，便于广大用户的安装部署程序，程序提供商就在特定的系统上面编译好相关程序的安装文件并进行打包，提供给大家下载，我们只需要根据自己的
  • socket通信遇到EOFException 肆无忌惮_ EOFException
    java.io.EOFException at java.io.ObjectInputStream$PeekInputStream.readFully(ObjectInputStream.java:2281) at java.io.ObjectInputStream$BlockDataInputStream.readShort(ObjectInputStream.java:
  • 基于spring的web项目定时操作 知了ing javaWeb
    废话不多说，直接上代码，很简单 配置一下项目启动就行 1，web.xml <?xml version="1.0" encoding="UTF-8"?> <web-app xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="h
  • 树形结构的数据库表Schema设计 矮蛋蛋 schema
    原文地址： http://blog.csdn.net/MONKEY_D_MENG/article/details/6647488     程序设计过程中，我们常常用树形结构来表征某些数据的关联关系，如企业上下级部门、栏目结构、商品分类等等，通常而言，这些树状结构需要借助于数据库完成持久化。然而目前的各种基于关系的数据库，都是以二维表的形式记录存储数据信息，
  • maven将jar包和源码一起打包到本地仓库 alleni123 maven
    http://stackoverflow.com/questions/4031987/how-to-upload-sources-to-local-maven-repository <project> ... <build> <plugins> <plugin> <groupI
  • java IO操作 与 File 获取文件或文件夹的大小，可读，等属性！！！ 百合不是茶
    类 File File是指文件和目录路径名的抽象表示形式。 1，何为文件： 标准文件（txt doc mp3...） 目录文件（文件夹） 虚拟内存文件   2，File类中有可以创建文件的 createNewFile（）方法,在创建新文件的时候需要try{} catch(）{}因为可能会抛出异常；也有可以判断文件是否是一个标准文件的方法isFile();这些防抖都
  • Spring注入有继承关系的类（2） bijian1013 javaspring
    被注入类的父类有相应的属性，Spring可以直接注入相应的属性，如下所例：1.AClass类 package com.bijian.spring.test4; public class AClass { private String a; private String b; public String getA() { retu
  • 30岁转型期你能否成为成功人士 bijian1013 成长励志
            很多人由于年轻时走了弯路，到了30岁一事无成，这样的例子大有人在。但同样也有一些人，整个职业生涯都发展得很优秀，到了30岁已经成为职场的精英阶层。由于做猎头的原因，我们接触很多30岁左右的经理人，发现他们在职业发展道路上往往有很多致命的问题。在30岁之前，他们的职业生涯表现很优秀，但从30岁到40岁这一段，很多人
  • 【Velocity四】Velocity与Java互操作 bit1129 velocity
    Velocity出现的目的用于简化基于MVC的web应用开发，用于替代JSP标签技术，那么Velocity如何访问Java代码.本篇继续以Velocity三http://bit1129.iteye.com/blog/2106142中的例子为基础，      POJO    package com.tom.servlets; public
  • 【Hive十一】Hive数据倾斜优化 bit1129 hive
    什么是Hive数据倾斜问题   操作：join,group by,count distinct 现象：任务进度长时间维持在99%（或100%），查看任务监控页面，发现只有少量（1个或几个）reduce子任务未完成；查看未完成的子任务，可以看到本地读写数据量积累非常大，通常超过10GB可以认定为发生数据倾斜。 原因：key分布不均匀 倾斜度衡量：平均记录数超过50w且
  • 在nginx中集成lua脚本：添加自定义Http头，封IP等 ronin47 nginx lua csrf
    Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言，从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器，但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com Google把子域名当作完全独立的网站，我们不希望爬虫抓取子域名的页面，降低我们的Page rank。 location /{
  • java-3.求子数组的最大和 bylijinnan java
    package beautyOfCoding; public class MaxSubArraySum { /** * 3.求子数组的最大和 题目描述： 输入一个整形数组，数组里有正数也有负数。 数组中连续的一个或多个整数组成一个子数组，每个子数组都有一个和。 求所有子数组的和的最大值。要求时间复杂度为O(n)。 例如输入的数组为1, -2, 3, 10, -4,
  • Netty源码学习-FileRegion bylijinnan javanetty
    今天看org.jboss.netty.example.http.file.HttpStaticFileServerHandler.java 可以直接往channel里面写入一个FileRegion对象，而不需要相应的encoder： //pipeline（没有诸如“FileRegionEncoder”的handler）： public ChannelPipeline ge
  • 使用ZeroClipboard解决跨浏览器复制到剪贴板的问题 cngolon 跨浏览器复制到粘贴板Zero Clipboard
    Zero Clipboard的实现原理 Zero Clipboard 利用透明的Flash让其漂浮在复制按钮之上，这样其实点击的不是按钮而是 Flash ，这样将需要的内容传入Flash，再通过Flash的复制功能把传入的内容复制到剪贴板。 Zero Clipboard的安装方法 首先需要下载 Zero Clipboard的压缩包，解压后把文件夹中两个文件：ZeroClipboard.js
  • 单例模式 cuishikuan 单例模式
    第一种（懒汉，线程不安全）： public class Singleton {   2     private static Singleton instance;   3     pri
  • spring+websocket的使用 dalan_123
    一、spring配置文件 <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"    xmlns:xsi="http://www.w3.or
  • 细节问题：ZEROFILL的用法范围。 dcj3sjt126com mysql
    1、zerofill把月份中的一位数字比如1，2，3等加前导0 mysql> CREATE TABLE t1 (year YEAR(4), month INT(2) UNSIGNED ZEROFILL,    -> day
  • Android开发10——Activity的跳转与传值 dcj3sjt126com Android开发
    Activity跳转与传值，主要是通过Intent类，Intent的作用是激活组件和附带数据。   一、Activity跳转 方法一Intent intent = new Intent(A.this, B.class); startActivity(intent)   方法二Intent intent = new Intent();intent.setCla
  • jdbc 得到表结构、主键 eksliang jdbc 得到表结构、主键
    转自博客：http://blog.csdn.net/ocean1010/article/details/7266042 假设有个con DatabaseMetaData dbmd = con.getMetaData(); rs = dbmd.getColumns(con.getCatalog(), schema, tableName, null); rs.getSt
  • Android 应用程序开关GPS gqdy365 android
    要在应用程序中操作GPS开关需要权限： <uses-permission android:name="android.permission.WRITE_SECURE_SETTINGS" /> 但在配置文件中添加此权限之后会报错，无法再eclipse里面正常编译，怎么办？ 1、方法一：将项目放到Android源码中编译； 2、方法二：网上有人说cl
  • Windows上调试MapReduce zhiquanliu mapreduce
    1.下载hadoop2x-eclipse-plugin https://github.com/winghc/hadoop2x-eclipse-plugin.git 把 hadoop2.6.0-eclipse-plugin.jar 放到eclipse plugin 目录中。 2.下载 hadoop2.6_x64_.zip http://dl.iteye.com/topics/download/d2b
  • 如何看待一些知名博客推广软文的行为？ justjavac 博客
    本文来自我在知乎上的一个回答：http://www.zhihu.com/question/23431810/answer/24588621 互联网上的两种典型心态： 当初求种像条狗，如今撸完嫌人丑 当初搜贴像条犬，如今读完嫌人软 你为啥感觉不舒服呢？ 难道非得要作者把自己的劳动成果免费给你用，你才舒服？ 就如同 Google 关闭了 Gooled Reader，那是
  • sql优化总结 macroli sql
    为了是自己对sql优化有更好的原则性，在这里做一下总结，个人原则如有不对请多多指教。谢谢！   要知道一个简单的sql语句执行效率，就要有查看方式，一遍更好的进行优化。   一、简单的统计语句执行时间 declare @d datetime ---定义一个datetime的变量set @d=getdate() ---获取查询语句开始前的时间select user_id
  • Linux Oracle中常遇到的一些问题及命令总结 超声波 oraclelinux
    1.linux更改主机名   (1)#hostname oracledb　　　　临时修改主机名 (2) vi /etc/sysconfig/network 　　修改hostname (3) vi /etc/hosts　　　　　　　　修改IP对应的主机名   2.linux重启oracle实例及监听的各种方法 （注意操作的顺序应该是先监听，后数据库实例） &nbs
  • hive函数大全及使用示例 superlxw1234 hadoophive函数
      具体说明及示例参 见附件文档。     文档目录：   目录 一、关系运算： 4 1. 等值比较: = 4 2. 不等值比较: <> 4 3. 小于比较: < 4 4. 小于等于比较: <= 4 5. 大于比较: > 5 6. 大于等于比较: >= 5 7. 空值判断: IS NULL 5
  • Spring 4.2新特性-使用@Order调整配置类加载顺序 wiselyman spring 4
    4.1 @Order Spring 4.2 利用@Order控制配置类的加载顺序 4.2 演示 两个演示bean package com.wisely.spring4_2.order; public class Demo1Service { } package com.wisely.spring4_2.order; public class
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他