对TPA-LSTM代码工程化封装使用的尝试。
Forked from this repo: Original Implementation of ''Temporal Pattern Attention for Multivariate Time Series Forecasting''.
参照原repo,如果不使用music相关的数据集(e.g. 原论文的lpd5
或muse
)则无需pypianoroll
,使用conda即可导入requirements环境。
conda install --file requirements.txt
参照demo_test.py,在atom编辑器使用hydrogen可逐步分条执行指令或导出Jupyter Notebook
-
自定义数据文件作为模型的输入
- 增加参数
custom
标记用户自定义数据,dataset_address
为.parquet
格式的MTS数据在本地的地址,其中'date'
字段为时间,split_date
为划分['train','test','valid']
依据的时间点 - 实现
customDataGenerator
类用于自定义数据导入 - 模型成功运行并log输出误差
- 增加参数
-
修正多次在本地导出数据以及其导致的重复log问题
- 修正重复log问题
-
恢复出预测结果的原始数据并存储
- 预测结果(包含时间戳)保存为
<output_dir>/<data_set>_predict_output.parquet
文件 - 简化本地目录读写,在序列化过程中关联时间戳
- 预测结果(包含时间戳)保存为
-
重新拆分建模逻辑,减少耦合