1.需要按照给定配置准备python3.8环境与相关依赖包,全程在windows环境下进行
2.github
thuml/Time-Series-Library: A Library for Advanced Deep Time Series Models. (github.com)
论文
TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis | OpenReview
3.windows运行shell脚本与注意事项
通过使用git bash运行sh脚本,这里需要在git bash中使用anoconda,没有git可以先安装一个
可参考下面链接
(136条消息) 在 Git Bash 中使用 Anaconda Conda_git bash anaconda_Xovee的博客-CSDN博客
另外需要修改你想要使用的对应sh文件,在最后添加
--num_workers 0
因为linux系统中可以使用多个子进程加载数据,windows系统里是不可以的
别忘了上一行的斜杠
论文解读正在进行。。后续更新
在根目录右键git bash here,跑的scripts/long_ter_forecast/Weather_script/TimesNet.sh
区别是我在每一次批处理后面加了一句 --num_workers 0 ,其他没做改动
测试的时候用的CPU,大家装了cuda的可以改成GPU,可以在脚本里改,也可以在run.py里面改
————————————————————————————————
评论区回复:
(1)在运行bash ./scripts/long_term_forecast/ETT_script/TimesNet_ETTh1.sh时,只弹出了4次Args in experiment: 但是程序根本就没有training呢?这是为什么呢?谢谢!
暂时没遇到这个问题,下面是我修改的sh脚本和运行截图
可能需要注意一下你run的批次后面要加 --num_workers 0
运行截图
应该是有在训练的
——————————————————————————————————
备注:我不是做专门时序预测任务的,只是项目需要,做一组数据的时序预测,就调研了一些方法在对比和测试hh