gluonts.torch.model.simple_feedforward.module 模块#
- class gluonts.torch.model.simple_feedforward.module.SimpleFeedForwardModel(prediction_length: int, context_length: int, hidden_dimensions: Optional[List[int]] = None, distr_output: gluonts.torch.distributions.output.Output = gluonts.torch.distributions.studentT.StudentTOutput(beta=0.0), batch_norm: bool = False)[source]#
基类：
torch.nn.modules.module.Module实现用于预测的前馈模型的模块。
- 参数
prediction_length – 要预测的时间点数量。
context_length – 模型在预测时间之前考虑的时间步数量。
hidden_dimensions – 前馈网络中隐藏层的大小。
distr_output – 用于评估观测值和抽样预测的分布。默认值：
StudentTOutput()。batch_norm – 是否应用批量归一化。默认值：
False。
- describe_inputs(batch_size=1) gluonts.model.inputs.InputSpec[source]#
- forward(past_target: torch.Tensor) Tuple[Tuple[torch.Tensor, ...], torch.Tensor, torch.Tensor][source]#
定义每次调用时执行的计算。
应由所有子类覆盖。
注意
虽然正向传播的逻辑需要在本函数内定义，但后续应调用
Module实例而不是本函数本身，因为前者会负责运行注册的钩子，而后者会默默地忽略它们。
- loss(past_target: torch.Tensor, future_target: torch.Tensor, future_observed_values: torch.Tensor) torch.Tensor[source]#
- training: bool#