gluonts.mx.model.predictor 模块#

class gluonts.mx.model.predictor.GluonPredictor(input_names: typing.List[str], prediction_net, batch_size: int, prediction_length: int, ctx: mxnet.context.Context, input_transform: gluonts.transform._base.Transformation, lead_time: int = 0, forecast_generator: gluonts.model.forecast_generator.ForecastGenerator = gluonts.model.forecast_generator.SampleForecastGenerator(), output_transform: typing.Optional[typing.Callable[[typing.Dict[str, typing.Any], numpy.ndarray], numpy.ndarray]] = None, dtype: typing.Type = <class 'numpy.float32'>)[source]#

基类: gluonts.model.predictor.Predictor

基于 Gluon 模型的基础预测器类型。

参数

  • input_names – 图的输入张量名称

  • prediction_net – 用于预测的网络

  • batch_size – 单个批次中预测的时间序列数量

  • prediction_length – 预测的时间步长

  • input_transform – 输入转换管道

  • output_transform – 输出转换

  • ctx – 用于计算的 MXNet 上下文

  • forecast_generator – 用于从网络输出生成预测的类

BlockType#

mxnet.gluon.block.Block 的别名

as_symbol_block_predictor(batch: Optional[Dict[str, Any]] = None, dataset: Optional[gluonts.dataset.Dataset] = None) → gluonts.mx.model.predictor.SymbolBlockPredictor[source]#

返回当前 GluonPredictor 的一个变体，该变体由 Gluon SymbolBlock 支持。如果当前预测器已经是 SymbolBlockPredictor，则直接返回自身。

batch 或 dataset 之一必须设置。

参数

  • batch – 用于底层网络调用 hybridize() 后进行必需的前向传播的数据批次。

  • dataset – 如果 batch 未设置，则从中提取批次的数据集。

返回

一个基于当前预测器、由 SymbolBlock 支持的预测器。

返回类型

SymbolBlockPredictor

hybridize(batch: Dict[str, Any]) → None[source]#

对底层预测网络进行混合化 (Hybridize)。

参数

batch – 用于调用 hybridize() 后进行必需的前向传播的数据批次。

property network#
predict(dataset: gluonts.dataset.Dataset, num_samples: 可选的[整数] = None, num_workers: 可选的[整数] = None, num_prefetch: 可选的[整数] = None, **kwargs) → 迭代器[gluonts.model.forecast.Forecast][source]#

predict(dataset: gluonts.dataset.Dataset, num_samples: Optional[int] = None, num_workers: Optional[int] = None, num_prefetch: Optional[int] = None, **kwargs) → Iterator[gluonts.model.forecast.Forecast][source]#

返回

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

返回类型

预测结果的迭代器，顺序与提供的数据集迭代器相同。

Iterator[Forecast]
serialize(path: pathlib.Path) → None[source]#
serialize_prediction_net(path: pathlib.Path) → None[source]#

class gluonts.mx.model.predictor.RepresentableBlockPredictor(prediction_net, batch_size: int, prediction_length: int, ctx: mxnet.context.Context, input_transform: gluonts.transform._base.Transformation, lead_time: int = 0, forecast_generator: gluonts.model.forecast_generator.ForecastGenerator = gluonts.model.forecast_generator.SampleForecastGenerator(), output_transform: typing.Optional[typing.Callable[[typing.Dict[str, typing.Any], numpy.ndarray], numpy.ndarray]] = None, dtype: typing.Type = <class 'numpy.float32'>)[source]#

基类: gluonts.mx.model.predictor.GluonPredictor

>>> def create_representable_block_predictor(
...        prediction_network: mx.gluon.HybridBlock,
...        **kwargs
... ) -> RepresentableBlockPredictor:
...    return RepresentableBlockPredictor(
...        prediction_net=prediction_network,
...        **kwargs
...    )
一种预测器，它使用 gluonts.core.serde 中的 JSON 序列化方法来序列化网络结构。使用以下逻辑从训练好的预测网络创建 RepresentableBlockPredictor。

BlockType#

mxnet.gluon.block.HybridBlock 的别名

返回当前 GluonPredictor 的一个变体，该变体由 Gluon SymbolBlock 支持。如果当前预测器已经是 SymbolBlockPredictor，则直接返回自身。

batch 或 dataset 之一必须设置。

参数

  • batch – 用于底层网络调用 hybridize() 后进行必需的前向传播的数据批次。

  • dataset – 如果 batch 未设置，则从中提取批次的数据集。

返回

一个基于当前预测器、由 SymbolBlock 支持的预测器。

返回类型

SymbolBlockPredictor

as_symbol_block_predictor(batch: Optional[Dict[str, Any]] = None, dataset: Optional[gluonts.dataset.Dataset] = None) → gluonts.mx.model.predictor.SymbolBlockPredictor[source]#

classmethod deserialize(path: pathlib.Path, ctx: Optional[mxnet.context.Context] = None) → gluonts.mx.model.predictor.RepresentableBlockPredictor[source]#

参数

  • 从给定路径加载序列化的预测器。

  • path – 序列化预测器文件的路径。

**kwargs – 可选的上下文/设备参数，用于预测器。如果未传递任何参数，将优先使用 GPU，否则使用 CPU。
serialize(path: pathlib.Path) → None[source]#
serialize_prediction_net(path: pathlib.Path) → None[source]#

class gluonts.mx.model.predictor.RepresentableBlockPredictor(prediction_net, batch_size: int, prediction_length: int, ctx: mxnet.context.Context, input_transform: gluonts.transform._base.Transformation, lead_time: int = 0, forecast_generator: gluonts.model.forecast_generator.ForecastGenerator = gluonts.model.forecast_generator.SampleForecastGenerator(), output_transform: typing.Optional[typing.Callable[[typing.Dict[str, typing.Any], numpy.ndarray], numpy.ndarray]] = None, dtype: typing.Type = <class 'numpy.float32'>)[source]#

class gluonts.mx.model.predictor.SymbolBlockPredictor(input_names: typing.List[str], prediction_net, batch_size: int, prediction_length: int, ctx: mxnet.context.Context, input_transform: gluonts.transform._base.Transformation, lead_time: int = 0, forecast_generator: gluonts.model.forecast_generator.ForecastGenerator = gluonts.model.forecast_generator.SampleForecastGenerator(), output_transform: typing.Optional[typing.Callable[[typing.Dict[str, typing.Any], numpy.ndarray], numpy.ndarray]] = None, dtype: typing.Type = <class 'numpy.float32'>)[source]#

一种预测器，它将网络结构序列化为 MXNet 符号图。应将其用于部署到生产环境中的模型，以确保 GluonTS 模型发展时的向前兼容性。

如果在调用训练时设置了超参数 use_symbol_block_predictor = True，则由训练 shell 使用。

BlockType#

mxnet.gluon.block.SymbolBlock 的别名

返回当前 GluonPredictor 的一个变体，该变体由 Gluon SymbolBlock 支持。如果当前预测器已经是 SymbolBlockPredictor，则直接返回自身。

batch 或 dataset 之一必须设置。

参数

  • batch – 用于底层网络调用 hybridize() 后进行必需的前向传播的数据批次。

  • dataset – 如果 batch 未设置，则从中提取批次的数据集。

返回

一个基于当前预测器、由 SymbolBlock 支持的预测器。

返回类型

SymbolBlockPredictor

as_symbol_block_predictor(batch: Optional[Dict[str, Any]] = None, dataset: Optional[gluonts.dataset.Dataset] = None) → gluonts.mx.model.predictor.SymbolBlockPredictor[source]#

classmethod deserialize(path: pathlib.Path, ctx: Optional[mxnet.context.Context] = None) → gluonts.mx.model.predictor.RepresentableBlockPredictor[source]#

参数

  • 从给定路径加载序列化的预测器。

  • path – 序列化预测器文件的路径。

classmethod deserialize(path: pathlib.Path, ctx: Optional[mxnet.context.Context] = None) → gluonts.mx.model.predictor.SymbolBlockPredictor[source]#