gluonts.torch.model.simple_feedforward.estimator 模块#
- class gluonts.torch.model.simple_feedforward.estimator.SimpleFeedForwardEstimator(prediction_length: int, context_length: Optional[int] = None, hidden_dimensions: Optional[List[int]] = None, lr: float = 0.001, weight_decay: float = 1e-08, distr_output: gluonts.torch.distributions.output.Output = gluonts.torch.distributions.studentT.StudentTOutput(beta=0.0), batch_norm: bool = False, 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)[source]#
基类：
gluonts.torch.model.estimator.PyTorchLightningEstimator用于训练前馈模型进行预测的估计器。
此类使用
SimpleFeedForwardModel中定义的模型，并将其封装在SimpleFeedForwardLightningModule中进行训练：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 – 模型在预测时间之前作为输入的时间步长数量（默认值：
10 * prediction_length）。hidden_dimensions – 前馈网络中隐藏层的大小（默认值：
[20, 20]）。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()）。
batch_norm – 是否应用批量归一化。
batch_size – 用于训练的批量大小（默认值：32）。
num_batches_per_epoch –
- 每个训练周期（epoch）要处理的批量数量
（默认值：50）。
trainer_kwargs – 构造
pl.Trainer时提供的额外参数。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[source]#
创建并返回用于训练的网络（即计算损失）。
- 返回
根据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[source]#
创建并返回预测器对象。
- 参数
transformation – 应用于数据在进入模型之前的转换。
module – 训练好的 pl.LightningModule 对象。
- 返回
封装用于推理的 nn.Module 的预测器。
- 返回类型
- create_training_data_loader(data: gluonts.dataset.Dataset, module: gluonts.torch.model.simple_feedforward.lightning_module.SimpleFeedForwardLightningModule, shuffle_buffer_length: Optional[int] = None, **kwargs) Iterable[source]#
为训练目的创建数据加载器。
- 参数
data – 用于创建数据加载器的数据集。
module – 将接收数据加载器批次的 pl.LightningModule 对象。
- 返回
数据加载器，即数据批次的迭代器。
- 返回类型
Iterable
- create_transformation() gluonts.transform._base.Transformation[source]#
创建并返回训练和推理所需的转换。
- 返回
在训练和推理时按条目应用于数据集的转换。
- 返回类型
- create_validation_data_loader(data: gluonts.dataset.Dataset, module: gluonts.torch.model.simple_feedforward.lightning_module.SimpleFeedForwardLightningModule, **kwargs) Iterable[source]#
为验证目的创建数据加载器。
- 参数
data – 用于创建数据加载器的数据集。
module – 将接收数据加载器批次的 pl.LightningModule 对象。
- 返回
数据加载器，即数据批次的迭代器。
- 返回类型
Iterable
- lead_time: int#
- prediction_length: int#