Crossformer 安装和配置指南
Crossformer 项目地址: https://gitcode.com/gh_mirrors/cr/Crossformer
1. 项目基础介绍和主要编程语言
项目基础介绍
Crossformer 是一个基于 Transformer 的模型,专门用于多元时间序列预测。该项目由上海交通大学 Thinklab 实验室开发,并在 ICLR 2023 会议上发表。Crossformer 通过利用跨维度依赖性,显著提升了多元时间序列预测的准确性。
主要编程语言
该项目主要使用 Python 编程语言进行开发。
2. 项目使用的关键技术和框架
关键技术和框架
- PyTorch: 作为深度学习框架,用于模型的实现和训练。
- NumPy: 用于数值计算和数据处理。
- Pandas: 用于数据分析和处理时间序列数据。
- einops: 用于简化张量操作。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- Python 3.7 或更高版本
- Git
- CUDA(如果需要使用 GPU 进行训练)
详细安装步骤
步骤 1:克隆项目仓库
首先,使用 Git 克隆 Crossformer 项目到本地:
git clone https://github.com/Thinklab-SJTU/Crossformer.git
cd Crossformer
步骤 2:创建虚拟环境(可选)
为了隔离项目依赖,建议创建一个虚拟环境:
python -m venv crossformer_env
source crossformer_env/bin/activate # 在 Windows 上使用 `crossformer_env\Scripts\activate`
步骤 3:安装依赖
使用 pip
安装项目所需的依赖包:
pip install -r requirements.txt
步骤 4:下载数据集
将需要进行实验的数据集放入 datasets/
文件夹中。项目已经提供了 ETTh1 和 ETTm1 数据集,其他数据集可以从以下链接下载:
- WTH 和 ECL: Informer2020
- ILI 和 Traffic: Autoformer
步骤 5:运行示例脚本
您可以通过运行以下命令来训练和测试 Crossformer 模型:
python main_crossformer.py --data ETTh1 --in_len 168 --out_len 24 --seg_len 6 --itr 1
此命令将在 ETTh1 数据集上训练模型,并进行测试。训练后的模型将保存在 checkpoints/
文件夹中,评估指标将保存在 results/
文件夹中。
步骤 6:自定义数据集
如果您想使用自定义数据集,请将数据集文件修改为以下格式:
- 第一列为日期(或留空)
- 其余列为多元时间序列数据
将修改后的文件放入 datasets/
文件夹中,并运行以下命令:
python main_crossformer.py --data AirQuality --data_path AirQualityUCI.csv --data_dim 13 --in_len 168 --out_len 24 --seg_len 6
此命令将在 AirQuality 数据集上训练模型。
结束语
通过以上步骤,您已经成功安装并配置了 Crossformer 项目。您可以根据需要调整参数,进一步优化模型性能。
Crossformer 项目地址: https://gitcode.com/gh_mirrors/cr/Crossformer