gluonts.torch.model.d_linear.estimator 模块#
- class gluonts.torch.model.d_linear.estimator.DLinearEstimator(prediction_length: int, context_length: Optional[int] = None, hidden_dimension: Optional[int] = None, lr: float = 0.001, weight_decay: float = 1e-08, scaling: Optional[str] = 'mean', distr_output: gluonts.torch.distributions.output.Output = gluonts.torch.distributions.studentT.StudentTOutput(beta=0.0), kernel_size: int = 25, batch_size: int = 32, num_batches_per_epoch: int = 50, trainer_kwargs: Optional[Dict[str, Any]] = None, train_sampler: Optional[gluonts.transform.sampler.InstanceSampler] = None, validation_sampler: Optional[gluonts.transform.sampler.InstanceSampler] = None)[源代码]#
一个用于训练 d-linear 模型的估计器，该模型基于论文 https://arxiv.org/pdf/2205.13504.pdf 并扩展用于概率预测。
此类使用
DLinearModel中定义的模型，并将其包装到DLinearLightningModule中用于训练：训练使用 PyTorch Lightning 的pl.Trainer类执行。参数
- prediction_length (int) – 预测范围的长度。
context_length – 模型作为输入的预测时间之前的步数（默认值：
10 * prediction_length）。hidden_dimension – 表示的大小。
lr – 学习率（默认值：
1e-3）。weight_decay – 权重衰减正则化参数（默认值：
1e-8）。distr_output – 用于评估观测值和采样预测的分布（默认值：StudentTOutput()）。
kernel_size –
batch_size – 用于训练的批次大小（默认值：32）。
num_batches_per_epoch –
每个训练 epoch 要处理的批次数
- （默认值：50）。
trainer_kwargs – 为构建
pl.Trainer提供的额外参数。
train_sampler – 控制训练期间窗口的采样。
validation_sampler – 控制验证期间窗口的采样。
create_lightning_module() lightning.pytorch.core.module.LightningModule[源代码]#
- 创建并返回用于训练（即计算损失）的网络。
返回
- 给定输入数据计算损失的网络。
返回类型
- pl.LightningModule
create_predictor(transformation: gluonts.transform._base.Transformation, module) gluonts.torch.model.predictor.PyTorchPredictor[源代码]#
- 创建并返回一个预测器对象。
transformation – 在数据进入模型之前应用的转换。
- prediction_length (int) – 预测范围的长度。
module – 一个训练好的 pl.LightningModule 对象。
一个包装用于推理的 nn.Module 的预测器。
- 给定输入数据计算损失的网络。
预测器
- pl.LightningModule
create_training_data_loader(data: gluonts.dataset.Dataset, module: gluonts.torch.model.d_linear.lightning_module.DLinearLightningModule, shuffle_buffer_length: Optional[int] = None, **kwargs) Iterable[源代码]#
- 创建用于训练的数据加载器。
data – 用于创建数据加载器的数据集。
- prediction_length (int) – 预测范围的长度。
module – 将接收数据加载器批次的 pl.LightningModule 对象。
数据加载器，即数据的批次上的迭代器。
- 给定输入数据计算损失的网络。
Iterable
- pl.LightningModule
create_transformation() gluonts.transform._base.Transformation[源代码]#
- 创建并返回训练和推理所需的转换。
在训练和推理时，将逐条应用于数据集的转换。
- 创建用于验证的数据加载器。
lead_time: int#
- prediction_length (int) – 预测范围的长度。
module – 将接收数据加载器批次的 pl.LightningModule 对象。
数据加载器，即数据的批次上的迭代器。
- 给定输入数据计算损失的网络。
Iterable
- pl.LightningModule
create_transformation() gluonts.transform._base.Transformation[源代码]#
- prediction_length: int#