7.7.2 양방향 LSTM 구현
계속 스타벅스 주가 예측 데이터셋을 사용한 예제를 살펴보겠습니다. 예제 코드 역시 LSTM 계층에서 사용했던 코드와 동일합니다. LSTM 계층과 양방향 LSTM이 어떻게 다른지 네트워크 위주로 살펴보기 바랍니다.
다음은 모델의 네트워크 이전까지의 모든 코드입니다. LSTM 계층과 동일한 코드이므로 별도의 설명 없이 일괄 작성했으며 출력(print)에 대한 결과 부분도 생략했습니다. 하지만 주피터 노트북 예제 파일은 단계별로 실행할 수 있도록 나누어서 작성했습니다.
코드 7-74 모델을 생성하고 학습
import os
import time
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
from torch.utils.data import TensorDataset, DataLoader
from torch.autograd import Variable
from tqdm import tqdm_notebook
from sklearn.preprocessing import StandardScaler, MinMaxScaler
from sklearn.model_selection import train_test_split
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
data = pd.read_csv('../chap07/data/SBUX.csv')
print(data.dtypes)
data['Date'] = pd.to_datetime(data['Date'])
data.set_index('Date', inplace=True)
data['Volume'] = data['Volume'].astype(float)
X = data.iloc[:, :-1]
y = data.iloc[:, 5:6]
ms = MinMaxScaler()
ss = StandardScaler()
X_ss = ss.fit_transform(X)
y_ms = ms.fit_transform(y)
X_train = X_ss[:200, :]
X_test = X_ss[200:, :]
y_train = y_ms[:200, :]
y_test = y_ms[200:, :]
X_train_tensors = Variable(torch.Tensor(X_train))
X_test_tensors = Variable(torch.Tensor(X_test))
y_train_tensors = Variable(torch.Tensor(y_train))
y_test_tensors = Variable(torch.Tensor(y_test))
X_train_tensors_f = torch.reshape(X_train_tensors, (X_train_tensors.shape[0], 1, X_train_tensors.shape[1]))
X_test_tensors_f = torch.reshape(X_test_tensors, (X_test_tensors.shape[0], 1, X_test_tensors.shape[1]))
print("Training Shape", X_train_tensors_f.shape, y_train_tensors.shape)
print("Testing Shape", X_test_tensors_f.shape, y_test_tensors.shape)