15 分钟跑通 Time-Series-Library 第一次时序预测从装环境到出结果的完整路径【免费下载链接】Time-Series-LibraryA Library for Advanced Deep Time Series Models for General Time Series Analysis.项目地址: https://gitcode.com/GitHub_Trending/ti/Time-Series-Library15 分钟你可以在自己的机器上走完 Time-Series-LibraryTSLib从环境安装、数据准备到第一次时间序列预测的完整流程并得到一张预测曲线对比图。这个开源库覆盖长时序/短时序预测、填补、异常检测、分类五大时序任务本指南用最精简的步骤带你跑通其中最具代表性的长时序预测。✅ 自检环境避免安装中途返工开始前对照下面这张表确认你的机器满足最低要求。全部条目打勾后再动手可以省掉大部分重装时间。检查项最低要求Python3.11用 conda 创建独立环境PyTorchtorch 2.5.1有 GPU 需与本机 CUDA 版本匹配核心依赖由 requirements.txt 统一安装numpy、pandas、matplotlib 等数据集ETT-small需放在仓库根目录的 ./dataset/ 下磁盘建议预留 20GB环境 数据 结果 三步出第一次预测结果Step 1克隆仓库并装好 Python 环境一条命令块搞定克隆、建环境、装依赖。GPU 用户按自己的 CUDA 版本选 torch 安装源CPU 用户走第二行注释即可。git clone https://gitcode.com/GitHub_Trending/ti/Time-Series-Library cd Time-Series-Library conda create -n tslib python3.11 -y conda activate tslib pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu121 # CUDA 12.1无显卡可改用 pip install torch2.5.1 pip install -r requirements.txtStep 2放置 ETT-small 数据集从 README.md 给出的数据集下载入口Google Drive / 百度网盘 / Hugging Face 任选其一下载 ETT-small解压后确认目录结构为dataset/ETT-small/ETTh1.csv。用一条命令验证文件就位ls ./dataset/ETT-small/ # 应看到 ETTh1.csv、ETTh2.csv、ETTm1.csv、ETTm2.csvStep 3跑通长时序预测选 DLinear 做首跑它参数少、训练快几分钟就能出结果。这条命令来自仓库 Quick Test只训练 1 个 epochpython -u run.py \ --task_name long_term_forecast \ --is_training 1 \ --root_path ./dataset/ETT-small/ \ --data_path ETTh1.csv \ --model_id ETTh1_96_96 \ --model DLinear \ --data ETTh1 \ --features M \ --seq_len 96 \ --pred_len 96 \ --enc_in 7 --dec_in 7 --c_out 7 \ --train_epochs 1 \ --num_workers 2运行结束后终端会打印 test loss 和 MAE、RMSE 指标仓库根目录下会生成三个目录test_results/预测值与真实值的逐样本对比图PDF 格式、results/测试集指标 txt、checkpoints/模型权重。下面这张图就是典型产出形态蓝线为真实值橙线为预测值看懂产出常调参数速查以后换模型、换数据集时基本只需要动下面这几个参数参数作用--model切换模型如 Autoformer、TimesNet、DLinear--data / --root_path数据集名称及其所在目录--seq_len / --pred_len输入窗口长度 / 未来预测步长--featuresM 多变量预测多变量S 单变量MS 多变到单变--train_epochs训练轮数正式实验建议调回 10 30 秒解决高频报错报错现象FileNotFoundError: .../dataset/ETT-small/ETTh1.csv一行修复把下载解压后的 ETT-small 放入 ./dataset/保证路径是dataset/ETT-small/ETTh1.csv。报错现象torch 安装后报 CUDA 版本不匹配或 import 失败一行修复pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu121按本机 CUDA 换 cu118 等对应源。报错现象训练中途CUDA out of memory一行修复在 run.py 命令末尾追加--batch_size 16。跑通长时序预测后建议下一步打开 tutorial/TimesNet_tutorial.ipynb 系统过一遍 TimesNet 的原理与调用方式或直接用 scripts/long_term_forecast/ETT_script/ 下的脚本复现各模型在 ETT 上的完整对比实验。【免费下载链接】Time-Series-LibraryA Library for Advanced Deep Time Series Models for General Time Series Analysis.项目地址: https://gitcode.com/GitHub_Trending/ti/Time-Series-Library创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 15 分钟跑通 Time-Series-Library 第一次时序预测：从装环境到出结果的完整路径
15 分钟跑通 Time-Series-Library 第一次时序预测从装环境到出结果的完整路径【免费下载链接】Time-Series-LibraryA Library for Advanced Deep Time Series Models for General Time Series Analysis.项目地址: https://gitcode.com/GitHub_Trending/ti/Time-Series-Library15 分钟你可以在自己的机器上走完 Time-Series-LibraryTSLib从环境安装、数据准备到第一次时间序列预测的完整流程并得到一张预测曲线对比图。这个开源库覆盖长时序/短时序预测、填补、异常检测、分类五大时序任务本指南用最精简的步骤带你跑通其中最具代表性的长时序预测。✅ 自检环境避免安装中途返工开始前对照下面这张表确认你的机器满足最低要求。全部条目打勾后再动手可以省掉大部分重装时间。检查项最低要求Python3.11用 conda 创建独立环境PyTorchtorch 2.5.1有 GPU 需与本机 CUDA 版本匹配核心依赖由 requirements.txt 统一安装numpy、pandas、matplotlib 等数据集ETT-small需放在仓库根目录的 ./dataset/ 下磁盘建议预留 20GB环境 数据 结果 三步出第一次预测结果Step 1克隆仓库并装好 Python 环境一条命令块搞定克隆、建环境、装依赖。GPU 用户按自己的 CUDA 版本选 torch 安装源CPU 用户走第二行注释即可。git clone https://gitcode.com/GitHub_Trending/ti/Time-Series-Library cd Time-Series-Library conda create -n tslib python3.11 -y conda activate tslib pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu121 # CUDA 12.1无显卡可改用 pip install torch2.5.1 pip install -r requirements.txtStep 2放置 ETT-small 数据集从 README.md 给出的数据集下载入口Google Drive / 百度网盘 / Hugging Face 任选其一下载 ETT-small解压后确认目录结构为dataset/ETT-small/ETTh1.csv。用一条命令验证文件就位ls ./dataset/ETT-small/ # 应看到 ETTh1.csv、ETTh2.csv、ETTm1.csv、ETTm2.csvStep 3跑通长时序预测选 DLinear 做首跑它参数少、训练快几分钟就能出结果。这条命令来自仓库 Quick Test只训练 1 个 epochpython -u run.py \ --task_name long_term_forecast \ --is_training 1 \ --root_path ./dataset/ETT-small/ \ --data_path ETTh1.csv \ --model_id ETTh1_96_96 \ --model DLinear \ --data ETTh1 \ --features M \ --seq_len 96 \ --pred_len 96 \ --enc_in 7 --dec_in 7 --c_out 7 \ --train_epochs 1 \ --num_workers 2运行结束后终端会打印 test loss 和 MAE、RMSE 指标仓库根目录下会生成三个目录test_results/预测值与真实值的逐样本对比图PDF 格式、results/测试集指标 txt、checkpoints/模型权重。下面这张图就是典型产出形态蓝线为真实值橙线为预测值看懂产出常调参数速查以后换模型、换数据集时基本只需要动下面这几个参数参数作用--model切换模型如 Autoformer、TimesNet、DLinear--data / --root_path数据集名称及其所在目录--seq_len / --pred_len输入窗口长度 / 未来预测步长--featuresM 多变量预测多变量S 单变量MS 多变到单变--train_epochs训练轮数正式实验建议调回 10 30 秒解决高频报错报错现象FileNotFoundError: .../dataset/ETT-small/ETTh1.csv一行修复把下载解压后的 ETT-small 放入 ./dataset/保证路径是dataset/ETT-small/ETTh1.csv。报错现象torch 安装后报 CUDA 版本不匹配或 import 失败一行修复pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu121按本机 CUDA 换 cu118 等对应源。报错现象训练中途CUDA out of memory一行修复在 run.py 命令末尾追加--batch_size 16。跑通长时序预测后建议下一步打开 tutorial/TimesNet_tutorial.ipynb 系统过一遍 TimesNet 的原理与调用方式或直接用 scripts/long_term_forecast/ETT_script/ 下的脚本复现各模型在 ETT 上的完整对比实验。【免费下载链接】Time-Series-LibraryA Library for Advanced Deep Time Series Models for General Time Series Analysis.项目地址: https://gitcode.com/GitHub_Trending/ti/Time-Series-Library创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考