## 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 |
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
时间序列分析 一个时间序列通常由4种要素组成:趋势、季节变动、循环波动和不规则波动。 趋势:是时间序列在长时期内呈现出来的持续向上或持续向下的变动。 季节变动:是时间序列在一年内重复出现的周期性波动。它是诸如气候条件、生产条件、节假日或人们的风俗习惯等各种因素影响的结果。 循环波动:是时间序列呈现出得非固定长度的周期性变动。循环波动的周期可能会持续一段时间,但与趋势不同,它不是朝着单一方向的持续变动,而是涨落相同的交替波动。 不规则波动:是时间序列中除去趋势、季节变动和周期波动之后的随机波动。不规则波动通常总是夹杂在时间序列中,致使时间序列产生一种波浪形或震荡式的变动。只含有随机波动的序列也称为平稳序列。 时间序列建模基本步骤是:①用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据。②根据动态数据作相关图,进行相关分析,求自相关函数。相关图能显示出变化的趋势和周期,并能发现跳点和拐点。跳点是指与其他数据不一致的观测值。如果跳点是正确的观测值,在建模时应考虑进去,如果是反常现象,则应把跳点调整到期望值。拐点则是指时间序列从上升趋势突然变为下降趋势的点。
资源推荐
资源详情
资源评论
收起资源包目录
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 (52个子文件)
TimeSeriesForecasting-main
export_onnx.py 3KB
export_trt.exe 866KB
predict_pt.py 7KB
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
predict_onnx.py 7KB
dataset
ETTh1.csv 2.47MB
ETTh2.csv 2.31MB
ETTm2.csv 9.23MB
sin_cos.csv 241KB
ETTm1.csv 9.88MB
run.py 6KB
economy
wind
number.yaml 788B
class 765B
get_data.py 6KB
variable.yaml 3KB
check_data.py 1KB
README.md 268B
count_data.py 2KB
watch_data.py 1KB
simulate.py 8KB
README.md 558B
tushare
number.yaml 786B
get_data.py 4KB
predict_feature.py 4KB
model
layer.py 5KB
diffusion_ts.py 7KB
crossformer.py 8KB
lstm.py 2KB
nlinear.py 2KB
linear.py 1KB
itransformer.py 3KB
.gitignore 598B
block
model_get.py 2KB
val_get.py 2KB
util.py 328B
model_ema.py 955B
train_get.py 7KB
loss_get.py 717B
lr_get.py 1KB
metric_get.py 146B
data_get.py 3KB
export_trt 581KB
export_trt_record 1KB
predict_trt.py 8KB
README.md 2KB
共 52 条
- 1
资源评论
野生的狒狒
- 粉丝: 2300
- 资源: 2037
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功