开源项目 `time-series-autoencoder` 使用教程

开源项目 time-series-autoencoder 使用教程

time-series-autoencoderPyTorch Dual-Attention LSTM-Autoencoder For Multivariate Time Series项目地址:https://gitcode.com/gh_mirrors/ti/time-series-autoencoder

1. 项目的目录结构及介绍

time-series-autoencoder/
├── github/
│   └── workflows/
├── examples/
├── tsatsa/
├── .gitignore
├── LICENSE
├── README.md
├── autoenc_architecture.png
├── poetry.lock
├── pyproject.toml
└── main.py

• github/workflows/: 包含GitHub Actions的工作流配置文件。
• examples/: 存放示例数据和配置文件。
• tsatsa/: 项目的主要代码文件夹。
• .gitignore: 指定Git版本控制系统忽略的文件和文件夹。
• LICENSE: 项目的许可证文件，采用Apache-2.0许可证。
• README.md: 项目说明文档。
• autoenc_architecture.png: 项目架构图。
• poetry.lock: 锁定依赖版本的文件。
• pyproject.toml: 项目配置文件，包含依赖和构建系统信息。
• main.py: 项目的启动文件。

2. 项目的启动文件介绍

main.py 是项目的启动文件，负责初始化和运行整个项目。以下是该文件的主要功能：

• 加载配置文件。
• 初始化模型和数据加载器。
• 训练和评估模型。

使用方法：

python3 main.py -cn=[PATH_TO_FOLDER_CONFIG] -cp=[CONFIG_NAME]

可选参数：

--batch-size BATCH_SIZE       # 批处理大小
--output-size OUTPUT_SIZE     # 输出大小，默认值为1用于预测

3. 项目的配置文件介绍

项目的配置文件主要位于 pyproject.toml 和 examples/ 目录下的YAML文件。

• pyproject.toml: 包含项目的基本信息、依赖和构建系统配置。
• examples/ 目录下的YAML文件：包含具体的模型配置、数据路径和其他运行参数。

配置文件示例：

model:
  type: LSTM
  hidden_size: 128
  num_layers: 2
data:
  path: "data/timeseries.csv"
  batch_size: 32

通过修改这些配置文件，可以调整模型的参数和数据处理方式。

time-series-autoencoderPyTorch Dual-Attention LSTM-Autoencoder For Multivariate Time Series项目地址:https://gitcode.com/gh_mirrors/ti/time-series-autoencoder