Time-Series-Library 快速上手零门槛时序预测三步跑通第一条预测曲线【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没写过一行 PyTorch今天能跑起一个时间序列预测模型吗能。只需三步装依赖、把数据放进指定文件夹、执行一条 DLinear 命令用 Time-Series-Library 十分钟内就能看到第一条预测曲线全程 CPU 就能完成。先看成果一条曲线、两个数 动手前先验收目标。下面是官方教程里一次完整预测跑完的输出蓝线是真实值GroundTruth橙线是模型预测值Prediction除了这张图终端最后还会打印 test mse 与 test mae 两个数值越小代表预测越准下文所有步骤都是为复现这张图和这两个数。本文按“结果前置”讲先看到效果再倒推怎么做每一步你都知道自己在验证什么。三条命令装好 PyTorch 与依赖唯一硬要求Python 3.8 及以上。依赖清单已锁定在 requirements.txt 里直接整包安装不用猜版本git clone https://gitcode.com/GitHub_Trending/ti/Time-Series-Library cd Time-Series-Library python -m venv venv source venv/bin/activate pip install -r requirements.txtPyTorch 不在 requirements 里需要单独装pip install torch torchvision有 NVIDIA 显卡自行改装 CUDA 版本训练更快没有显卡上面这条 CPU 版完全够用本文示例在 CPU 上几分钟跑完。下载 ETT 数据放进 ./dataset 文件夹仓库刻意不带数据文件以保持轻量下载渠道在 README.md 里列了多个镜像选一个能打开的即可。关键只有一条解压后项目根目录下必须存在./dataset/ETT-small/里面能看到ETTh1.csv检查项期望结果./dataset/ETT-small/ETTh1.csv存在长时序预测本文主线就能跑其他 ETT 子集、Weather、Traffic 等放好即可被对应脚本识别库支持五类任务全部由--task_name一个参数切换实验逻辑都在 exp/ 目录--task_name 取值任务long_term_forecast长时序预测本文主线short_term_forecast短时序预测M4 竞赛数据imputation缺失值填补classification时序分类anomaly_detection异常检测用一条 DLinear 命令跑通首次预测 第一次别贪大。选最轻的 DLinear本质是两层线性模型训练极快只跑 1 轮目的就是验证链路通了。入口是 run.py把下面这段原样复制执行python -u run.py --task_name long_term_forecast --is_training 1 \ --root_path ./dataset/ETT-small/ --data_path ETTh1.csv \ --model_id test_long --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几个参数各管一件事参数作用示例值--seq_len回看多少步作为输入96按小时频率约 4 天--pred_len向未来预测多少步96--featuresM7 变量预测 7 变量S单变量预测单变量MS多变量预测单变量M--enc_in / --dec_in / --c_outETT 数据集的变量数7--train_epochs训练轮数先 1 轮跑通正式跑改 101跑完你会在结果目录看到第一节那张图终端末尾打印 test mse、test mae——到此链路已验证成功。训练挂了OOM、缺文件、CPU 问题直接查表 ️症状先看哪里直接怎么改CUDA out of memory显存不够加--batch_size 8默认 32降批量机器没 GPU 想强制 CPU默认会自动探测设备加--no_use_gpu明确走 CPU提示找不到 ETTh1.csv数据没放对确认./dataset/ETT-small/ETTh1.csv真实存在pip 安装时依赖冲突版本被全局环境污染坚持用 venv按 requirements.txt 固定版本重装跑通之后换 TimesNet、换任务链路验证完成后换模型只改一个参数--model可取 TimesNet、Autoformer、PatchTST、Mamba 等全部实现在 models/ 目录。现成脚本也备好了比如 scripts/long_term_forecast/ETT_script/Autoformer_ETTh1.sh 会把 ETTh1 的 96→96、96→192、96→336、96→720 四组预测一次跑完bash scripts/long_term_forecast/ETT_script/Autoformer_ETTh1.sh想逐行理解模型怎么被训练和测试打开 tutorial/TimesNet_tutorial.ipynb官方教程把每一步都走了一遍可以直接对照本文的命令读。今天的最小下一步先把那条 DLinear 命令跑通看到 test mse 打印出来这个库就算在你手里了之后只需改--model和--pred_len就能横向对比不同模型在不同预测长度下的表现。后续新模型、新数据集的更新跟着项目 README 走即可。【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