| Pour faire varier la fonction d'activation --> juste décommenter #tf.nn.relu(x) lignes 44, 54, 84 et commenter x + tf.sin(x)**2 | Pour faire varier la fonction d'activation --> juste décommenter #tf.nn.relu(x) lignes 44, 54, 84 et commenter x + tf.sin(x)**2 | ||||
| --> le fichier resnet_snake.ipynb est le notebook main python a exectuer faisant l'appel de toutes les fonctions ainsi que de la classe Resnet18 | |||||
| --> le fichier resnet_snake.ipynb est le notebook main python a exectuer faisant l'appel de toutes les fonctions ainsi que de la classe Resnet18 | |||||
| ## Emile | |||||
| Cette partie s'intéresse à la capacité des LSTM à trouver des résultats confirmant ou infimant les prédiction des réseaux avec des fonctions d'activation snake. | |||||
| Pour utiliser le code aller and ``code`` et lancer le ``notepad_siboulet.ipynb`` qui lance succesivement tout les codes utilisé se trouvant dans ``code/RNN_predicition_meteo`` et ``code/RNN_wilshire_5000`` | |||||
| Il est nécessaire d'avoir les bibliothèque tensorflow, optuna, numpy et matplotlib |