gluonts.model.predictor 模块#

class gluonts.model.predictor.Localizer(estimator: Estimator)[source]#

基类: gluonts.model.predictor.Predictor

一个预测器，它使用一个估计器为每个时间序列训练一个局部模型，并立即调用该模型进行预测。

参数

estimator – 在预测时用于训练每个数据集条目的估计器对象。

predict(dataset: gluonts.dataset.Dataset, **kwargs) → Iterator[gluonts.model.forecast.Forecast][source]#

计算所提供数据集中的时间序列的预测。此方法未在此抽象类中实现；请使用其子类之一。:param dataset: 包含要预测的时间序列的数据集。

返回

预测的迭代器，顺序与提供的数据集迭代器相同。

返回类型

Iterator[Forecast]

class gluonts.model.predictor.ParallelizedPredictor(base_predictor: gluonts.model.predictor.Predictor, num_workers: Optional[int] = None, chunk_size=1)[source]#

基类: gluonts.model.predictor.Predictor

并行运行预测器的多个实例（工作进程）。异常会从工作进程传播。注意：当前 tqdm 存在一个问题，如果在预测期间使用 ParallelizedPredictor 和 tqdm 发生异常，可能会导致程序挂起。https://github.com/tqdm/tqdm/issues/548

参数

  • base_predictor – 将被使用的可表示预测器

  • num_workers – 要使用的工作进程（进程）数量。如果设置为 None，则每个 CPU 将使用一个工作进程。

  • chunk_size – 每次调用传递的项目数量

predict(dataset: gluonts.dataset.Dataset, **kwargs) → Iterator[gluonts.model.forecast.Forecast][source]#

计算所提供数据集中的时间序列的预测。此方法未在此抽象类中实现；请使用其子类之一。:param dataset: 包含要预测的时间序列的数据集。

返回

预测的迭代器，顺序与提供的数据集迭代器相同。

返回类型

Iterator[Forecast]

terminate()[source]#
class gluonts.model.predictor.Predictor(prediction_length: int, lead_time: int = 0)[source]#

基类: object

表示预测器对象的抽象类。:param prediction_length: 预测范围。

classmethod derive_auto_fields(train_iter)[source]#
classmethod deserialize(path: pathlib.Path, **kwargs) → gluonts.model.predictor.Predictor[source]#

从给定路径加载序列化的预测器。

参数

  • path – 序列化文件预测器的路径。

  • **kwargs – 可选的上下文/设备参数，将与预测器一起使用。如果未传递任何内容，则将使用 GPU（如果可用），否则使用 CPU。

classmethod from_hyperparameters(**hyperparameters)[source]#
classmethod from_inputs(train_iter, **params)[source]#
predict(dataset: gluonts.dataset.Dataset, **kwargs) → Iterator[gluonts.model.forecast.Forecast][source]#

计算所提供数据集中的时间序列的预测。此方法未在此抽象类中实现；请使用其子类之一。:param dataset: 包含要预测的时间序列的数据集。

返回

预测的迭代器，顺序与提供的数据集迭代器相同。

返回类型

Iterator[Forecast]

serialize(path: pathlib.Path) → None[source]#
class gluonts.model.predictor.RepresentablePredictor(prediction_length: int, lead_time: int = 0)[source]#

基类: gluonts.model.predictor.Predictor

一个抽象预测器，可以由特定于框架的模型继承。子类应具有 @validated() 构造函数：(反)序列化和相等性测试都基于其逻辑实现。

参数

  • prediction_length – 预测范围。

  • lead_time – 预测提前期。

classmethod deserialize(path: pathlib.Path) → gluonts.model.predictor.RepresentablePredictor[source]#

从给定路径加载序列化的预测器。

参数

  • path – 序列化文件预测器的路径。

  • **kwargs – 可选的上下文/设备参数，将与预测器一起使用。如果未传递任何内容，则将使用 GPU（如果可用），否则使用 CPU。

predict(dataset: gluonts.dataset.Dataset, **kwargs) → Iterator[gluonts.model.forecast.Forecast][source]#

计算所提供数据集中的时间序列的预测。此方法未在此抽象类中实现；请使用其子类之一。:param dataset: 包含要预测的时间序列的数据集。

返回

预测的迭代器，顺序与提供的数据集迭代器相同。

返回类型

Iterator[Forecast]

predict_item(item: Dict[str, Any]) → gluonts.model.forecast.Forecast[source]#
serialize(path: pathlib.Path) → None[source]#
class gluonts.model.predictor.WorkerError(msg)[source]#

基类: object