基于pytorch实现的时间序列预测训练框架，各个部分模块化，方便修改模型.zip

## pytorch时间序列预测训练框架 >代码兼容性较强，使用的是一些基本的库、基础的函数 >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 ### 1，环境 >torch：https://pytorch.org/get-started/previous-versions/ >``` >pip install tqdm wandb -i https://pypi.tuna.tsinghua.edu.cn/simple >``` ### 2，数据格式 >参考dataset中的样例 ### 3，run.py >模型训练时运行该文件，argparse中有对每个参数的说明 ### 4，predict_pt.py >使用训练好的pt模型预测 ### 5，export_onnx.py >将pt模型导出为onnx模型 ### 6，predict_onnx.py >使用导出的onnx模型预测 ### 7，export_trt_record >文档中有onnx模型导出为tensort模型的详细说明 ### 8，predict_trt.py >使用导出的trt模型预测 ### 其他 >学习笔记：https://github.com/TWK2022/notebook *** ### ETTh1.csv | 模型 | input_column | output_column | input_size | output_size | train_mse_decay | val_mse | |:------------:|:------------:|:-------------:|:----------:|:-----------:|:---------------:|:-------:| | crossformer | all | all | 96 | 24 | 0.284 | 0.302 | | itransformer | all | all | 96 | 24 | 0.233 | 0.281 | | lstm | all | all | 96 | 24 | 0.545 | 0.485 | | nlinear | all | all | 96 | 24 | 0.256 | 0.275 | | crossformer | all | all | 256 | 64 | 0.372 | 0.390 | | itransformer | all | all | 256 | 64 | 0.239 | 0.315 | | lstm | all | all | 256 | 64 | 0.543 | 0.459 | | nlinear | all | all | 256 | 64 | 0.373 | 0.420 |