gluonts.torch.distributions.output 模块

class gluonts.torch.distributions.output.Output

基类: object

将原始神经网络输出转换为预测结果并计算损失。

args_dim: Dict[str, int]

domain_map(*args: torch.Tensor) → Tuple[torch.Tensor, ...]

将参数转换为正确的形状和域。

域取决于分布类型，而正确的形状则通过重塑尾部轴获得，使得返回的张量定义了具有正确 event_shape 的分布。

property dtype

property event_shape: Tuple#

与输出对象兼容的每个独立事件的形状。

property forecast_generator: gluonts.model.forecast_generator.ForecastGenerator

get_args_proj(in_features: int) → torch.nn.modules.module.Module

in_features: int

loss(target: torch.Tensor, distr_args: Tuple[torch.Tensor, ...], loc: Optional[torch.Tensor] = None, scale: Optional[torch.Tensor] = None) → torch.Tensor

根据网络输出计算目标数据的损失。

参数

• target – 用于计算损失的目标时间序列的值。

• distr_args – 可用于构建输出分布的参数。

• loc – 分布的位置参数，可选。

• scale – 分布的尺度参数，可选。

返回值

损失值，与 target 具有相同的形状。

返回值类型

loss_values

property value_in_support: float

一个浮点值，可用于计算相应输出的损失。

默认值为 0.0。

class gluonts.torch.distributions.output.PtArgProj(in_features: int, args_dim: Dict[str, int], domain_map: Callable[[...], Tuple[torch.Tensor]], **kwargs)

基类: torch.nn.modules.module.Module

一个 PyTorch 模块，用于将密集层投影到 PyTorch 分布参数。

参数

• in_features – 输入特征的大小。

• dim_args – 字典，键为字符串，值为整数，表示将传递给 domain map 的每个参数的维度，名称不使用。

• domain_map – 返回包含一个张量、一个函数或一个 nn.Module 的元组的函数。这将使用 num_args 参数调用，并应返回一个输出元组，用于调用分布构造函数时使用。

forward(x: torch.Tensor) → Tuple[torch.Tensor]

定义每次调用时执行的计算。

应由所有子类覆盖。

注意

虽然前向传播的逻辑需要在本函数中定义，但之后应调用 Module 实例而不是本函数，因为前者负责运行已注册的钩子，而后者会静默忽略它们。

training: bool