## pytorch时间序列预测训练框架(带有测试数据)
>代码兼容性较强，使用的是一些基本的库、基础的函数
>包含分布式训练、混合精度训练、EMA平均指数移动调参、float16精度onnx/trt导出及预测
>测试/导出模型时，序列处理、结果反处理会包含在模型中
>在argparse中可以选择使用wandb，能在wandb网站中生成可视化的训练过程
### 数据格式如下
>├── 数据集路径：data_path(.csv)
### 1，run.py
>模型训练时运行该文件，argparse中有对每个参数的说明
### 2，test_pt.py
>使用训练好的pt模型预测
### 3，export_onnx.py
>将pt模型导出为onnx模型
### 4，test_onnx.py
>使用导出的onnx模型预测
### 5，export_trt_record
>文档中有onnx模型导出为tensort模型的详细说明
### 6，test_trt.py
>使用导出的trt模型预测
基于pytorch代码实现时间序列预测模型.rar
需积分: 4 120 浏览量
2024-02-29
16:42:28
上传
评论
收藏 3.51MB RAR 举报
基于pytorch代码实现时间序列预测模型.rar （39个子文件） 
基于pytorch的时间序列预测 
export_onnx.py 3KB
export_trt.exe 866KB tool fill_day.py 2KB sin_cos.py 1KB month_to_day.py 2KB add_date.py 1KB xlsx_to_csv.py 1KB watch_data.py 1KB merge_csv.py 2KB requirement 1KB dataset record 5KB ETTh1.csv 2.47MB ETTh2.csv 2.31MB ETTm2.csv 9.23MB sin_cos.csv 241KB ETTm1.csv 9.88MB test_pt.py 7KB run.py 6KB test_trt.py 7KB model layer.py 3KB lstm.py 1KB nlinear.py 1KB nlinear_conv.py 2KB linear.py 1KB nlinear_plus.py 2KB .gitignore 579B block model_get.py 2KB val_get.py 1KB util.py 328B train_get.py 7KB loss_get.py 186B lr_adjust.py 1KB ModelEMA.py 1KB metric_get.py 146B data_get.py 4KB export_trt 581KB export_trt_record 1KB test_onnx.py 7KB README.md 885B资源评论
