跳转到主要内容
Back to top
Ctrl
+
K
开始
教程
数据
模型
指标
常见问题
安装
API
发布说明
GitHub
搜索
Ctrl
+
K
GitHub
Ctrl
+
K
搜索
Ctrl
+
K
开始
教程
数据
模型
指标
常见问题
安装
API
发布说明
GitHub
GitHub
Ctrl
+
K
部分导航
数据
编码器
_clipped_log
_clipped_logit
_identity
_minus_one
_plus_one
_square
softplus_inv
编码器归一化器
Expm1Transform
组归一化器
减一变换
多重归一化器
NaNLabelEncoder
ReLuTransform
SoftplusTransform
TorchNormalizer
TransformMixIn
示例
_get_data_by_filename
generate_ar_data
get_stallion_data
采样器
分组采样器
时间同步批采样器
时间序列
_coerce_to_dict
_coerce_to_list
_find_end_indices
检查非有限值
时间序列数据集
模型
base_model
_concatenate_output
_torch_cat_na
自回归基础模型
带协变量的自回归基本模型
基础模型
带协变量的基本模型
PredictCallback
PredictTuple
预测
基线
基线
deepar
_deepar
DeepAR
mlp
_decodermlp
解码器MLP
子模块
全连接模块
nbeats
_nbeats
NBeats
子模块
线性
linspace
NBEATSBlock
NBEATSGenericBlock
NBEATSSeasonalBlock
NBEATSTrendBlock
nhits
_nhits
NHiTS
子模块
初始化权重
身份基
NHiTS
NHiTSBlock
静态特征编码器
神经网络
嵌入
多重嵌入
时间分布嵌入袋
rnn
get_rnn
GRU
LSTM
循环神经网络
rnn
_rnn
循环网络
时序融合变换器
_tft
时间融合变压器
子模块
AddNorm
GateAddNorm
门控线性单元
门控残差网络
可解释的多头注意力
位置编码器
重采样规范
缩放点积注意力
时间分布
时间分布插值
变量选择网络
调优
优化超参数
潮汐
_潮汐
TiDEModel
子模块
_ResidualBlock
_TideModule
指标
基础指标
convert_torchmetric_to_pytorch_forecasting_metric
聚合指标
复合指标
分布损失
指标
多视角指标
多损失
多变量分布损失
TorchMetricWrapper
分布
BetaDistributionLoss
隐式分位数网络
ImplicitQuantileNetworkDistributionLoss
对数正态分布损失
MQF2DistributionLoss
MultivariateNormalDistributionLoss
负二项分布损失
正态分布损失
点
交叉熵
平均绝对误差(MAE)
平均绝对百分比误差 (MAPE)
均方绝对误差(MASE)
泊松损失
均方根误差
SMAPE
TweedieLoss
分位数
分位数损失
工具
_dependencies
_check_matplotlib
_get_installed_packages
_get_installed_packages_private
_maint
_show_versions
_get_deps_info
_get_sys_info
show_versions
_utils
apply_to_list
自相关
concat_sequences
create_mask
分离
get_embedding_size
按组应用
integer_histogram
masked_op
move_to_device
next_fast_len
padded_stack
个人资料
repr_class
to_list
unpack_sequence
unsqueeze_like
初始参数表示混合接口
OutputMixIn
TupleOutputMixIn
API
API
#
data
数据集等。
models
时间序列预测的模型。
metrics
用于(多时间范围)时间序列预测的指标。
utils
用于时间序列预测的PyTorch Forecasting包。
本页面
显示源代码