GAO Chonghan

建议使用wandb调参。调参代码写在main_informer里边。模型超参在默认值附近浮动即可，个别参数（如lr)可以多浮动几个数量级

可以借助wandb。另外根据我们的经验，比较重要的参数是weight decay, lr, 和模型规模相关参数（d_model, ...)

@1348598339 您的问题我已经在 #481 回复了

可以尝试采用auto-encoder结构做预测，先训练一个autoencoder（VAE，CAE， ...）再在隐空间用informer做预测

请提供具体代码和输出日志

https://blog.csdn.net/weixin_43814879/article/details/126851211 可以参考这篇博客存储和加载模型

可否提供具体输出日志和相关实验参数（batch-size, 数据集长度等）