config中定义了项目的基本参数，可以在里面修改训练参数。若有朋友需要可运行的源码和数据集，可以guan注【科研小条】gong众号，回复【单特征多步风速预测】，即可获得。

本项目是基于PyTorch深度学习框架实现一个二维卷积网络来进行风速预测的项目，网络的输入是风速的八个特征，用前50天的8个特征数据进行预测后5天的风速，适用于多特征输入多步长输出（多输出）的预测问题。【输入是（batch_size, 1, 50, 8）,输出是（batch_size, 5）】【本项目的代码文件分模块整理，包含模型构建、数据划分、训练过程等模块都清晰分明】config中定义了项目的

若有朋友需要可运行的源码和数据集，可以guan注【科研小条】公众号，回复【股票预测2dcnn】，即可获得。

若有朋友需要可运行的源码和数据集，可以guan注【科研小条】公众号，回复【股票预测1dcnn】，即可获得。

在原风速预测的项目基础上，本项目进行了多特征输入的的风速预测（使用了数据集中的8个特征作为输入），使用的网络仍是一维卷积网络。

基于pytorch使用一维卷积网络CNN的单特征的风速预测项目实战（适用于单特征预测问题）

生成对抗网络简介和生成数字实战（最简gan)

在上一个多特征进行风速预测的项目基础上，本项目使用Pytorch基于pytorch的LSTM和多头Attention实现时间序列（风速）的预测，使用风速八个特征来预测风速（使用了数据集中的8个特征作为输入），其效果比本人之前文章所做的多特征二维CNN的预测效果好。

本项目是基于PyTorch深度学习框架实现一个使用时间卷积网络（TCN，Temporal Convolutional Network）来进行风速预测的项目

该算法于2016年由Lea等人他们在做视频动作分割的研究首先提出，CNN模型以 CNN 模型为基础，并做了如下改进：①适用序列模型：因果卷积（Causal Convolution）②记忆历史：空洞卷积/膨胀卷积（Dilated Convolution），残差模块（Residual block）。config中定义了项目的基本参数，可以在里面修改训练参数。若有朋友需要可运行的源码和数据集，可以gua