BasicTS
BasicTS copied to clipboard
GestaltCogTeam
A Fair and Scalable Time Series Forecasting Benchmark and Toolkit.
您好，zezhi shao，感谢提供如此完整的学习框架！ 我在运行其代码的过程中遇到了如下问题，以GWNet为例，在训练的过程中很长一段时间内validationMAE的值是小于trainingMAE的，我猜测这可能和某些底层loss的计算机制有关系，由于MAE的计算中应当不会包括正则项，我十分好奇这一稳定的差异是来自于模型本身，例如对validset建模效果更好，还是由于其他原因，非常感谢！
作者您好！十分感谢您做了这个项目，收录了这么多的模型并做了数据集适配。 我想给其中一个模型增加一个额外的输入，试着看一下效果。但是我不知道哪些接口需要做出调整。我找了很久都没找到，期待作者的回复！
如何多卡训练
作者你好！我现在想用几个baseline模型在大规模数据集上测试，比如GBA和GLA。但是我在H100上测试的时候，有些baseline模型会out of memory，比如一些Transformer模型（Pyraformer）。那么请问，怎么设置多卡训练呢？（我使用的服务器上，每个节点有三个H100）是不是要在baselines/Pyraformer/GBA.py文件中加入一些设置呢？（这个文件是我后加的，在您原来的文件中没有这个GBA.py）
您好，目前我观察到修改输入输出长度，需要在数据生成的时候修改。但不知道模型的初始化参数以及runner中是否也要做出相应修改？是否考虑一个快速统一修改全局的输入输出长度的接口？
一些问题和优化建议
您好，作者，感谢提供如此完整的学习框架！本人在使用和移植基线的过程中遇到一些问题和不便的地方，在此提出来以便您参考优化。 声明：以下问题和建议仅代表个人看法，仅供参考 问题：利用pycham直接运行data_preparation显示找不到数据集文件，运行train时也一样，做如下修改就可以运行： OUTPUT_DIR = "../../../experiments/datasets/" + DATASET_NAME DATA_FILE_PATH = "../../../datasets/raw_data/{0}/{0}.npz".format(DATASET_NAME) GRAPH_FILE_PATH = "../../../datasets/raw_data/{0}/adj_{0}".format(DATASET_NAME) DISTANCE_FILE_PATH = "../../../datasets/raw_data/{0}/distance_{0}".format(DATASET_NAME) 优化建议： 1.数据集的归一化和反归一化：CFG.RESCALE：如果为True，表示既反归一化数据又将整个数据的标准化，如果为False，表示既不反归一化数据又将数据的每个通道标准化。可以拆解为两个变量，一个变量控制数据的标准化，一个变量控制数据和归一化和反归一化。 2. 模型训练结果表示不清：用模型名+epochs的方式所表达的直接信息不全，可做如下修改： CFG.TRAIN.CKPT_SAVE_DIR = os.path.join( "checkpoints", CFG.MODEL.NAME, "_".join([CFG.DATASET_NAME, str(CFG.TRAIN.NUM_EPOCHS)]) ) 3.项目的可视化接口不足：可在tensorboard中增加一些指标或增加预测数据保存的接口...
您好，我想问一下如果我想对训练好的embedding，例如STID训好的Identity matrix进行可视化，有么有什么方便的地方进行调用或者输出呢，谢谢！
Metadata
Owner
Metadata
A Fair and Scalable Time Series Forecasting Benchmark and Toolkit.