GluonTS使用版本问题

最新推荐文章于 2024-10-01 12:11:59 发布
最新推荐文章于 2024-10-01 12:11:59 发布
阅读量148 收藏 3
点赞数 7
文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wanhaner/article/details/141593235
版权

源代码：

from gluonts.torch.modules.distribution_output import (
    DistributionOutput,
    LambdaLayer,
    PtArgProj,)

报错： File "D:\ProgramData\anaconda3\envs\py311\Lib\site-packages\pts\modules\distribution_output.py", line 35, in <module>
    from gluonts.torch.modules.distribution_output import (
ModuleNotFoundError: No module named 'gluonts.torch.modules.distribution_output'

查了一下是版本问题导致包不一致了

在GluonTS文档https://ts.gluon.ai/stable/getting_started/install.html查找对应的包

改为：

from gluonts.torch.distributions.distribution_output import DistributionOutput

报错： from gluonts.torch.distributions.distribution_output import DistributionOutput,LambdaLayer
ImportError: cannot import name 'LambdaLayer' from 'gluonts.torch.distributions.distribution_output' (D:\ProgramData\anaconda3\envs\py311\Lib\site-packages\gluonts\torch\distributions\distribution_output.py)

改为：

from gluonts.torch.modules.lambda_layer import LambdaLayer

同理：

from gluonts.torch.distributions.output import PtArgProj

wtdjy
关注
pytorch-ts:基于GluonTS后端的基于PyTorch的概率时间序列预测框架
04-23
火炬 PyTorchTS是一个概率时间序列预测框架，通过利用作为其后端API以及用于加载，转换和回测时间序列数据集，提供了最新的PyTorch时间序列模型。 安装 $ pip3 install pytorchts 快速开始 在这里，我们通过GluonTS自述文件重点介绍了API的更改。 import matplotlib . pyplot as plt import pandas as pd import torch from gluonts . dataset . common import ListDataset from gluonts . dataset . util import to_pandas from pts . model . deepar import DeepAREstimator from pts import Trainer 这个简单的示例说明了如何在一些数
PyTorch环境出了新的开源时间序列预测框架PyTorchTS
lecaixs的博客
04-05 1743
PyTorchTS是一个时间序列预测包，基于GluonTS后端的Pythorch概率时间序列预测框架， 它为加载、转换和回测时间序列数据集提供最新的PyTorch时间序列模型和实用程序gloonts。 网址：https://github.com/zalandoresearch/pytorch-ts ...
关于使用Mxnet GPU版本运行DeepAR报错解决方案
晚来天欲雪，能饮一杯无？
02-22 841
我们经常使用GPU来训练和部署神经网络，因为与CPU相比，它提供了更多的计算能力。在本教程中，我们将介绍如何将GPU与MXNet GluonTS一起使用。首先，确保您的机器中至少有一个Nvidia GPU，并正确安装了CUDA以及CUDNN。但是在引入import mxnet后出现下面的问题：MXNet的OSError: libnccl.so.2: cannot open shared object file: No such file or directory本文将会解决这一问题，亲测好用。
MXNet GluonTS使用报错：OSError: libnccl.so.2: cannot open shared object file: No such file or directory
叶庭云 成为自己的光
04-29 6226
在使用租用的 GPU 服务器安装 GluonTS 做时间序列预测有关的项目时，报错如下： OSError: libnccl.so.2: cannot open shared object file: No such file or directory 解决方法： 去 NVIDIA 官网下载跟你 CUDA 版本和操作系统（我的是Ubuntu20.04）适配的 NCCL 文件，然后配置一下。
GluonTS 模型预测时间序列
weixin_46969441的博客
11-15 5253
环境安装 强烈建议新建一个虚拟环境，在虚拟环境里面折腾 不要直接在root的环境里面搞事情 通过anaconda创建虚拟环境 记得选择python的版本为3.6版本 如果anaconda创建虚拟环境报错 参考下面这个链接的文章去修改一下下载的包的网址为清华镜像就可以了 https://abraham.blog.csdn.net/article/details/105105728?spm=1001.2014.3001.5506 进入虚拟环境安装 安装ipykernel conda install ipy
WaveNet时间序列模型（基于GluonTs包）
qq_20144897的博客
10-25 2302
WaveNet时间序列模型的训练，基于GluonTs包，并展示如何使用optuna包对模型进行调优
MXNet之GluonTS学习手册
gitblog_00513的博客
09-12 368
MXNet之GluonTS学习手册 GluonTS-Learning-in-Action MXNET之GluonTS学习手册 项目地址: https://gitcode.com/gh_mirrors/gl/GluonTS-Lear...
gluonts(cpu)+window10+anaconda安装（一）
qq_43392533的博客
10-18 1085
先说下成功的经历： anaconda下新建虚拟环境： conda create -n gluonts python3.6.1 gluonts依赖python3.6，而pandas依赖python>=3.6.1，（经测试python3.6.10也ok） 激活虚拟环境：
PyTorchTS 项目常见问题解决方案
gitblog_09209的博客
09-13 262
PyTorchTS 项目常见问题解决方案 pytorch-ts PyTorch based Probabilistic Time Series forecasting framework based on GluonTS backend ...
gpu_accelerated_forecasting_modeltime_gluonts:使用Modeltime GluonTS进行时间序列的GPU加速深度学习（学习实验室53）。 活动赞助商
04-06
使用单个GluonTS模型创建了7个预测（多次预测） 这是可实现可伸缩性的演示，因为我们可以实施相同的过程来预测1000个时间序列。 代码 该代码在/code目录中提供： modeltime_test.ipynb （Jupyter笔记本文件）-如...
GluonTS – 概率时间序列建模(Probabilistic Time Series Modeling)
12-22
GluonTS工具箱包含用于使用MXNet构建时间序列模型的组件和工具。 当前包含的模型是预测模型，但组件还支持其他时间序列用例，例如分类或异常检测。 该工具包并非旨在作为企业或最终用户的预测解决方案，而是针对想要...
使用 AMD GPUs 进行基于 Transformers 的时间序列预测
数字人生
08-26 789
Transformer 架构在时间序列预测中的应用已成为替代传统统计模型（如自回归积分滑动平均（ARIMA）或指数平滑（ETS））的一个重要选择。Transformers 能够捕捉复杂的时间依赖关系，并且能够处理不同类型的输入数据，如文本、音频、图像和时间序列数据。基于 Transformer 的模型是一种神经网络架构，设计用于处理序列数据和捕捉长程依赖性。Transformers 最早在论文中被提出。
Pytorch-CNN轴承故障一维信号分类(二)
最新发布
10-01 1294
本文基于凯斯西储大学（CWRU）轴承数据，先经过数据预处理进行数据集的制作和加载，最后通过Pytorch实现CNN模型一维卷积和二维卷积对故障数据的分类，然后进行对比。
66 使用注意力机制的seq2seq_by《李沐：动手学深度学习v2》pytorch版
buyaotutou的博客
09-30 831
Seq2seq中通过隐状态在编码器和解码器中传递信息注意力机制可以根据解码器RNN的输出来匹配到合适的编码器RNN的输出来更有效的传递信息下面看看如何定义Bahdanau注意力，实现循环神经网络编码器-解码器。其实，我们只需重新定义解码器即可。为了更方便地显示学习的注意力权重，以下类定义了[带有注意力机制解码器的基本接口#@save"""带有注意力机制解码器的基本接口"""@propertydef attention_weights(self): #画图所需代码。
动手学深度学习（李沐）PyTorch 第 4 章 多层感知机
m0_51448653的博客
09-28 1234
实现这一惩罚最方便的方法是对所有项求平方后并将它们求和。参数：w：通常是神经网络的权重向量（或矩阵），也可以是任何需要正则化的参数。w 是一个 torch.Tensor 对象，它可以是模型中的权重张量。w.pow(2)：w.pow(2) 表示对张量 w 中的每个元素进行 平方运算。实际上，这等价于对张量 w 中每个权重求平方：w^2=w x w这个操作是逐元素的，生成一个新的张量，其元素是原来w中每个元素的平方。是对w.pow(2)结果的所有元素进行 求和。这个操作会返回一个标量。
【YOLOv8改进[SPPF]】使用SPPFCSPC替换SPPF模块 + 含全部代码和详细修改方式
静谧、淡雅
09-29 294
【YOLOv8改进[SPPF]】使用SPPFCSPC替换SPPF模块 + 含全部代码和详细修改方式
63.5 注意力提示_by《李沐：动手学深度学习v2》pytorch版
buyaotutou的博客
09-29 1317
幸运的是，人类的祖先已经从经验（也称为数据）中认识到“并非感官的所有输入都是一样的”。自主性的与非自主性的注意力提示解释了人类的注意力的方式，下面来看看如何通过这两种注意力提示，用神经网络来设计注意力机制的框架，首先，考虑一个相对简单的状况，即只使用非自主性提示。实际上，注意力汇聚得到的是加权平均的总和值，其中权重是在给定的查询和不同的键之间计算得出的。
我的gluonts版本为0.12.5
04-04
如果您需要使用GluonTS进行时间序列预测，请确保您已经安装了正确的版本，并且已经熟悉了GluonTS的基本用法和功能。如果您需要更多的帮助和指导，请随时在社区中提问，我们会尽最大的努力为您提供帮助和支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值