时间序列预测 Informer 调试错误：the following arguments are required: --model, --data‘

P_rintf

已于 2024-05-07 14:09:24 修改

阅读量262

点赞数 4

文章标签： python

于 2024-05-06 19:04:16 首次发布

本文链接：https://blog.csdn.net/P_rintf/article/details/138504891

版权

复现Informer代码时报错，将'--model'、'--data'参数required=True去掉，即可成功

成功运行时发文，未保存错误截图

参考链接二中有详细介绍

参考：the following arguments are required: --model, --data_transformer the following arguments are required: -CSDN博客时间序列预测模型实战案例(八)(Informer)个人数据集、详细参数、代码实战讲解_informer时间序列预测-CSDN博客

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

P_rintf

关注关注

4
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

使用Informer进行时间序列预测

QromMatlab的博客

09-20

1371

在上述代码中，我们首先定义了一个Informer模型，然后创建了一个时间序列的数据集，用于训练模型。最后，我们使用训练好的模型对未来7天的数据进行预测，并输出预测结果。通过适当的数据准备、模型训练和预测过程，我们可以获得准确的未来数据预测结果，这对于许多实际应用场景非常有价值。时间序列预测是一种重要的数据分析技术，可以用于预测未来一段时间内的数据趋势和模式。通过不断优化模型的结构和参数，你可以获得更准确的时间序列预测结果。假设我们有一个包含历史每日销售量的数据集，我们的目标是预测未来7天的销售量。

Informer(信息提取网络)实现时间序列预测(PyTorch版)

CSDN 精品推荐

04-26

5501

Informer是一种基于Transformer的时间序列预测模型，它能够有效地处理具有多种时间尺度和复杂性的时间序列数据。与传统的时间序列模型（如ARIMA、LSTM等）不同，Informer利用了Transformer的自注意力机制和多头注意力机制，能够同时捕捉全局和局部的时间相关性。

参与评论您还未登录，请先登录后发表或查看评论

the following arguments are required: --model, --data

xjy9866的博客

11-09

1074

informer、时间序列

error: the following arguments are required: --model, --data 解决方法

laosao_66的博客

10-25

2681

其中****为指定的模型名称，按照自己实际报错进行添加，比如我这里要跑的模型为。pycharm中选择"Edit Configurations…解决办法：在Pycharm的编辑设置，加上–model。2.在Parameters写入参数：参数名称参数值。错误原因：需要缺乏配置参数，需要进行相关参数配置。3.点击OK，再次运行。，因此加上–model。

Informer时间序列预测实现

CqpFsharp的博客

09-26

634

本文将介绍如何使用Informer模型来实现时间序列预测，并提供相应的源代码。我们详细介绍了Informer模型的组件和实现步骤，并提供了相应的源代码。Informer模型的核心思想是将输入的时间序列数据进行编码和解码，通过自注意力机制自适应地学习时间序列的内部依赖关系。通过以上步骤，我们完成了使用Informer模型进行时间序列预测的实现。接下来，我们定义Informer模型的主要组件，包括编码器、解码器和注意力机制。然后，我们定义整个Informer模型，包括编码器和解码器。最后，我们进行训练和预测。

vscode对python程序进行调试及运行调试报错error: the following arguments are required: DIR的解决方法

zeeq的博客

11-10

9546

我在python程序中使用了argparse包来进行参数交互，现在要在vscode里面对程序进行调试。在配置好调试器后，还需要设置launch.json配置文件。如果没有的话，

main_informer.py: error: the following arguments are required: --model, --data

05-14

这个错误提示是指在运行 main_informer.py 文件时，缺少了必要的参数 --model 和 --data。这两个参数是必须的，因为它们指定了要使用的模型和数据集。你可以在运行 main_informer.py 文件时添加这两个参数，例如：...

我的pytorch报错解决记录

qq_42684472的博客

01-08

1261

我的pytorch报错解决记录每次报错都百度解决，现记录一下我的报错问题，防止遗忘。仅限于个人解决方案，不一定能解决你的报错问题。望周知１error: the following arguments are required: model.devices 这是由于在最开始的写命令行参数（model.devices）时格式不规范，注意格式２.RuntimeError: Expected ob...

深度学习-时间序列预测-Informer模型-课程讲解ppt-组会ppt分享

05-21

Informer模型是针对深度学习中时间序列预测问题的一种高效解决方案，尤其在处理长序列预测任务时表现出色。模型的核心创新在于其多尺度时间编码器和解码器、自适应长度的注意力机制、门控卷积单元以及缺失值处理策略...

Informer：高效的时间序列预测框架

最新发布

gitblog_00060的博客

04-25

630

Informer：高效的时间序列预测框架去发现同类优质开源项目:https://gitcode.com/ 项目简介是一个专为时间序列预测任务设计的深度学习框架。它采用了先进的模型架构和优化算法，旨在提供更高效、更精确的长期依赖建模能力，适用于各种领域如能源、金融、交通和物联网等的数据预测。技术分析基于自注意力的机制 Informer的核心是其独特的“分层动态注意力”结构，它在保持预测精度的...

“ error: the following arguments are required: --model, --data“解决办法

甜度超标的博客

08-25

8183

"main_informer.py: error: the following arguments are required: --model, --data"解决办法

Informer的时间序列预测完整代码数据

05-18

3438

Informer的时间序列预测完整代码数据

Informer：高效长序列时间序列预测模型（更新中）

m0_53881899的博客

02-25

1万+

Transformer+Informer

探索未来时间序列预测的新星：Informer2020

gitblog_00086的博客

03-21

401

探索未来时间序列预测的新星：Informer2020 Informer2020Informer2020 - 一个高效的时间序列预测模型Informer的原始PyTorch实现，适合对时间序列分析和预测有兴趣的数据科学家和机器学习工程师。项目地址:https://gitcode.com/gh_mirrors/in/Informer2020 项目简介是一个由zhouhaoyi开发的开源项目，旨在为...

时序预测-Informer简介

qq_42577508的博客

08-13

6521

Informer简介

时间序列预测 — Informer源码详解与运行

几度春风里的博客

11-21

2943

首先导入代码的基本函数和数据类型，在exp文件下exp_informer import中的类Exp_Informer中，定义了模型参数、get_data、model_optim、train、test、eval等函数。前面介绍了训练、测试和预测的的流程，那么每一批次是数据是如何利用Informer模型进行训练的呢？主要实现了Informer模型的测试过程，包括测试数据加载、模型测试、损失计算、保存测试结果的过程。利用Informer模型的最佳训练参数进行预测，包括预测数据加载、模型预测、保存预测结果的过程。

时间序列预测模型实战案例(八)(Informer)个人数据集、详细参数、代码实战讲解