mawenju203

我也遇到了

更新下tokenization_chatglm.py，就可以了

@staoxiao 谢谢大佬的答复， 日志中包含：Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained. 是不是代表加进去的专业词已经参与微调的过程了。

label_len,是根据什么定义的呢？

@Chuan112233 ，你好，你的样本数据可以挑几条吗？  这一列是预测的ot的列的结果吗？

这个是不是 --inverse 设置为True的结果呢？ 这样导致的预测在误差一定范围内的结果是多少呢？

 @WenWeiTHU 作者您好，这个是我的参数设置，我的特征总共有11个，pred_len 长度是 30； features MS，freq d，最后predict函数，out_输出的是一个 torch.shape = [1,30,11]的三维数组；这个到底是什么原因呢？按照道理应该是preds = np.array(preds) 的shape应该是[x,30,1]这样的结果吧

@Chuan112233 我想问下，如果修改完--inverse 为True，在run.py；还需要做哪些操作；才能像你一样，获得真实的值呢？

> 这是因为在代码中设置features=MS没有做特殊处理，模型依然把所有特征当成需要预测的变量。您可以在preds的最后一维截取对应您关心的特征。以及在损失函数计算时，只对您关心的特征计算损失函数进行梯度回传。 这些具体需要修改哪些位置呢？因为我现在的test 和pred 都会报错  训练的参数是：  data_loader.py 中按照预测的ot，做了修改  现在设置过  然后维度不匹配。

> > > 这是因为在代码中设置features=MS没有做特殊处理，模型依然把所有特征当成需要预测的变量。您可以在preds的最后一维截取对应您关心的特征。以及在损失函数计算时，只对您关心的特征计算损失函数进行梯度回传。 > > > > > > 这些具体需要修改哪些位置呢？因为我现在的test 和 pred 都会报错 > >  > > 训练的参数是：  > > data_loader.py 中按照预测的ot，做了修改  > > 现在设置过 >...