【2021.02-时间序列实践】Task02-理解赛题并提升分数

　　由于第一次实在接触深度学习，加之在docker上提交，在处理上比较不熟悉。抛开我学习了统计学上传统的实践序列模型，诸如ARMA、ARIMA等，也自己找了个LSTM的demo，不过暂时都没有用上。这一次打卡先是记录一下自己理解baseline核心代码的笔记，以及修改后的分数。

　　首先要推荐以下队长关于Docker重复提交问题的处理，再我的提交过程中节省了很多时间。

   # 构建 mlp 的主要部分 
　　inp = Input(shape=(12, 24, 72, 4))

    x_4 = Dense(1, activation='relu')(inp)
    x_3 = Dense(1, activation='softplus')(tf.reshape(x_4, [-1, 12, 24, 72]))
    x_2 = Dense(1, activation='relu')(tf.reshape(x_3, [-1, 12, 24]))
    x_1 = Dense(1, activation='tanh')(tf.reshape(x_2, [-1, 12]))

    x = Dense(64, activation='relu')(x_1)
    x = Dropout(0.2)(x)
    x = Dense(32, activation='softplus')(x)
    x = Dropout(0.3)(x)
    output = Dense(24, activation='linear')(x)
    model = Model(inputs=inp, outputs=output)

　　对于 tensorflow 构建网络可以参考文章，大致读懂了这段代码的意思。主要学习了 reshape 函数的用法和 parma 的计算。

　　另外对优化器进行了简单的学习、理解了下 load_weights 方法。

　　说来惭愧，在 baseline 的基础上，我其实就是修改了激活函数，得到-21。

　　

 

 　　最后贴两个 tensorflow 的学习资源，一个在知乎上，一个在 github 上。