Darts实现TCN(时域卷积网络）

Darts是一个用于时间序列处理的开源项目,包含各种神经网络的实现，github地址：https://github.com/unit8co/darts

Temporal Convolutional Network（TCN）

时域卷积网络

class TCNModel(TorchForecastingModel):
    def __init__(self,
                 input_chunk_length: int,
                 output_chunk_length: int,
                 kernel_size: int = 3,
                 num_filters: int = 3,
                 num_layers: Optional[int] = None,
                 dilation_base: int = 2,
                 weight_norm: bool = False,
                 dropout: float = 0.2,
                 random_state: Optional[Union[int, RandomState]] = None,
                 **kwargs)：函数内容省略，可到darts官网下载项目查看。

这是用于预测的扩张 TCN 的实现：

https://arxiv.org/abs/1803.01271

该模型支持过去的协变量（已知预测时间之前的输入长度点）。

参数：

input_chunk_length ：送到预测模块的过去时间步数

output_chunk_length：torch模块一次预测未来的时间步数。

kernel_size :卷积层中每个内核的大小。

num_filters :TCN卷积层中的滤波器数量。

weight_norm :指示是否使用权重规格化的布尔值。

dilation_base :指数的基数，它将决定每一层的膨胀。

num_layers :卷积层的数量。

dropout :每个卷积层的dropout比例。

likelihood ：（可选）用于概率预测的可能性模型。如果没有提供可能性模型，预测将是确定性的。

random_state – 控制权重初始化的随机性。查看此 链接了解更多详情。

batch_size – 每次训练中使用的时间序列（输入和输出序列）的数量。

n_epochs – 训练模型的时期数。

optimizer_cls – 要使用的 PyTorch 优化器类（默认值：torch.optim.Adam）。

optimizer_kwargs – 可选，PyTorch 优化器的一些关键字参数（例如，{'lr': 1e-3} 用于指定学习率）。否则 将使用选定的optimizer_cls的默认值。

lr_scheduler_cls – 可选地，要使用的 PyTorch 学习率调度程序类。指定None对应于使用恒定的学习率。

lr_scheduler_kwargs – PyTorch 优化器的一些关键字参数（可选）。

loss_fn – 用于训练的 PyTorch 损失函数。如果指定了似然参数，则对于概率模型将忽略此参数。默认值：torch.nn.MSELoss()。

model_name –模型的名称。用于创建检查点和保存张量板数据。如果未指定，则默认为以下字符串“YYYY-mm-dd_HH:MM:SS_torch_model_run_PID”，其中名称的初始部分使用本地日期和时间进行格式化，而 PID 是处理后的 ID（防止模型同时生成时间由不同的进程共享相同的模型名称）。例如，2021-06-14_09:53:32_torch_model_run_44607。

work_dir – 工作目录的路径，保存检查点和 Tensorboard 摘要的位置。（默认：当前工作目录）。

log_tensorboard – 如果设置，使用 Tensorboard 记录不同的参数。日志将位于： [work_dir]/.darts/runs/。

nr_epochs_val_period – 在评估验证损失之前等待的时期数（如果验证 TimeSeries传递给fit()方法）。

torch_device_str – 可选的，指示要使用的torch device的字符串。（默认值：“cuda:0”，如果 GPU 可用，否则“cpu”）

force_reset – 如果设置为True，则任何先前存在的同名模型都将被重置（所有检查点都将被丢弃）。

翻译自:

https://unit8co.github.io/darts/generated_api/darts.models.tcn_model.html