Reformer模型，可用于长期时间序列预测。

Pytorch框架

Reformer的重点部分在于：

1、Locality sensitive hash attention（局部敏感哈希注意力）：空间换时间

2、Reversible layers（可逆层）：时间换空间

3、Chunking FFN layer

操作简单，数据集更换简单

ID:9439

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/778626651773.html