PyTorch Forecasting 文档#
GitHub我们的文章在Towards Data Science上介绍了该软件包并提供了背景信息。
PyTorch Forecasting 旨在简化使用神经网络进行最先进的时间序列预测，适用于实际案例和研究。目标是提供一个高级API，为专业人士提供最大灵活性，并为初学者提供合理的默认设置。具体来说，该包提供了
一个时间序列数据集类，它抽象处理变量转换、缺失值、随机子采样、多个历史长度等。
一个基础模型类，提供了时间序列模型的基本训练，并在tensorboard中进行日志记录，以及通用的可视化，如实际值与预测值的对比和依赖图。
多种用于时间序列预测的神经网络架构，这些架构已经针对实际部署进行了增强，并具备内置的解释能力
多时间范围时间序列指标
使用optuna进行超参数调优
该软件包基于PyTorch Lightning构建，允许在CPU、单个和多个GPU上开箱即用地进行训练。
如果您尚未安装pytorch，请按照详细安装说明进行操作。
否则，继续通过执行以下命令来安装包
pip install pytorch-forecasting
或者通过conda安装
conda install pytorch-forecasting pytorch>=1.7 -c pytorch -c conda-forge
要使用MQF2损失（多元分位数损失），还需执行
pip install pytorch-forecasting[mqf2]
访问Getting started以了解更多关于该软件包的详细信息以及详细的安装说明。 Tutorials部分提供了如何使用模型以及实现新模型的指导。