HFTransformersForecaster

class HFTransformersForecaster(model_path: str, fit_strategy='minimal', validation_split=0.2, config=None, training_args=None, compute_metrics=None, deterministic=False, callbacks=None, peft_config=None)

使用huggingface模型进行预测的预测器。

这个预测器从 huggingface 模型中心获取模型。注意，这个预测器处于实验状态。目前它仅适用于 Informer、Autoformer 和 TimeSeriesTransformer。

参数:

model_pathstr

用于预测的huggingface模型的路径。目前，支持Informer、Autoformer和TimeSeriesTransformer。

fit_strategystr, 默认值为”minimal”

用于拟合（微调）模型的策略。这可以是以下之一： - “minimal”：仅微调模型参数的一小部分，

允许在有限的计算资源下快速适应。

• “full”：微调所有模型参数，这可能会带来更好的性能，但需要更多的计算能力和时间。

• peft: 应用参数高效微调 (PEFT) 技术，以较少的可训练参数适应模型，节省计算资源。注意：如果 ‘peft’ 包不可用，将引发 ModuleNotFoundError，表明需要 ‘peft’ 包。请使用 pip install peft 安装它以使用此拟合策略。

validation_splitfloat, 默认值=0.2

用于验证的数据比例

配置dict, 默认={}

用于模型的配置。详情请参阅 transformers 文档。

训练参数dict, 默认={}

用于模型的训练参数。详见 transformers.TrainingArguments。请注意，output_dir 参数是必需的。

计算指标列表, 默认=无

训练期间要计算的指标列表。详情请参阅 transformers.Trainer。

确定性bool, 默认=False

预测是否应该是确定性的。

回调list, 默认=[]

在训练期间使用的回调列表。参见 transformers.Trainer

peft_configpeft.PeftConfig，默认=None

参数高效微调的配置。当 fit_strategy 设置为 “peft” 时，这将用于为模型设置 PEFT 参数。详情请参阅 peft