Time-Series-Library 安装3条命令快速跑通首次预测【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第一次做 Time-Series-Library 安装最容易卡住你的不是环境而是数据依赖装完python run.py一跑就FileNotFoundError——它默认去./dataset/里找ETTh1.csv可仓库里根本没有这个目录因为数据和代码是分开发布的。下面按“装环境 → 放数据 → 首跑”三步走完。跟完你能拿到ETTh1 上跑完一次 96→192 的长时序预测终端打印 loss 与 mse磁盘上留下一份预测曲线 PDF。Time-Series-Library 安装环境一步装对硬性要求先对照Python 3.11README 的 conda 环境用的这个版本Mamba 的预编译 wheel 也锁 3.11内存 ≥ 8 GB走 GPU 建议显存 ≥ 12 GB磁盘空闲 ≥ 10 GBpip 缓存 数据包 训练产物克隆、装 torch、装依赖3 条命令git clone https://gitcode.com/GitHub_Trending/ti/Time-Series-Library cd Time-Series-Library pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu121 # 按本机 CUDA 选版本纯 CPU 去掉 --index-url pip install -r requirements.txt用 conda 的话前面加一句conda create -n tslib python3.11 conda activate tslib。两个容易踩的坑。其一torch 不在 requirements.txt 里——该文件固定的是numpy2.1.2、pandas2.3.3、sktime、transformers这类包torch 必须单独装且 CUDA 版本要和机器匹配装错会在 import 时报libcudart相关错误。其二requirements 里 numpy、pandas 都是 2.x别照着别家教程装 1.x 覆盖掉。数据放哪里模型到底去哪找文件因果链是一条数据包落到某个目录 →--root_path和--data_path两个参数指认它 →data_provider/把 csv 切成seq_len一次喂给模型多少个时间步长的窗口喂进模型。先把仓库 README 给出的预处理数据包网盘链接见 README下载下来解压到仓库根目录的./dataset确认结构是dataset/ └── ETT-small/ ├── ETTh1.csv ├── ETTh2.csv ├── ETTm1.csv └── ETTm2.csv你只需确认--root_path ./dataset/ETT-small/指向这个目录、--data_path ETTh1.csv指认文件名。注意 run.py 里--root_path的默认值是./data/ETT/而 scripts 下全部脚本统一写的是./dataset/ETT-small/所以显式传参最稳妥。--data ETTh1则告诉代码按什么格式解析7 通道、小时级。--task_name决定走哪条任务线入口文件和区别如下任务入口文件一句话区别长时序预测exp/exp_long_term_forecasting.py用过去 seq_len 个点预测未来 pred_len 个点短时序预测exp/exp_short_term_forecasting.py面向 M4 竞赛口径多频率多季节数据填补exp/exp_imputation.py随机挖掉 mask_rate 比例的值让模型补回异常检测exp/exp_anomaly_detection.py重建误差超过阈值的点判为异常分类exp/exp_classification.py整段序列输出一个类别标签第一次出结果一条命令看 loss 和 mse在仓库根目录粘贴Autoformer用 96 小时历史预测 192 小时python -u run.py \ --task_name long_term_forecast \ # 任务类型长时序预测 --is_training 1 \ # 1 先训练再评估 --root_path ./dataset/ETT-small/ \ # 数据所在目录 --data_path ETTh1.csv --data ETTh1 --features M \ --model Autoformer \ # 模型名 --seq_len 96 --label_len 48 --pred_len 192 \ # 96 小时历史 → 预测 192 小时 --enc_in 7 --dec_in 7 --c_out 7 \ # ETT 有 7 个通道 --train_epochs 2 --num_workers 4 # 先只跑 2 个 epoch 看结果label_len输入与标签区间的重叠长度首次出现也顺带说明它让解码器“先看到”未来区间的前半段属于 Autoformer 类模型的写法不必动它。跑完看三个地方终端每 20 个 iter 打印一行loss: 0.xxxx评估结束打印mse:和mae:并追加写入result_long_term_forecast.txt权重在./checkpoints/预测曲线 PDF 在./test_results/model_id/下。判断“跑对了”看三点两个 epoch 的 loss 整体从高位往下走打印的 mse 是有限数值ETTh1 完整 10 epoch 约 0.4 量级只跑 2 个 epoch 偏高属正常结果 txt 多出一行记录。单卡 GPU 上 Autoformer 跑 2 个 epoch 约几十分钟量级。 只想验证流水线的把--model Autoformer换成--model DLinear并设--train_epochs 1几分钟出结果。报错时按这个顺序排查FileNotFoundError— 最可能原因数据包没解压或--root_path指错目录。 修复ls ./dataset/ETT-small/确认ETTh1.csv在不在把--root_path改到 csv 实际所在目录。CUDA out of memory— 最可能原因默认batch_size 32超过你的显存。 修复加--batch_size 8重跑或把--pred_len从 192 降到 96。import 时报 CUDA/torch 不匹配— 最可能原因torch 的 CUDA 版本与本机驱动不符。 ⚠️ 修复pip install torch2.5.1 --index-url https://download.pytorch.org/whl/cu118换成你本机的 cu 版本。ModuleNotFoundError: mamba_ssm— 最可能原因只有 Mamba 模型要额外装 Linux wheelAutoformer、TimesNet 不需要。 修复先换--model TimesNet把流程跑通确要用 Mamba 再按 README 装对应 wheel。数据集 KeyError— 最可能原因--data的值和实际数据对不上区分大小写。 修复对照目录里的 csv确认是--data ETTh1而不是--data etth1。以上都没解决去仓库 issues 里搜报错关键词再开新 issue 时贴出报错的最后 20 行。从跑通到跑顺换预测长度把--pred_len依次改成 96 / 336 / 720 各跑一遍对比 mse直观感受“窗口拉长后精度掉多少”。批量跑对比scripts/long_term_forecast/ETT_script/ 目录里每个模型一个 .sh如Autoformer_ETTh1.sh一口气跑 96/192/336/720 四个长度注意脚本里默认export CUDA_VISIBLE_DEVICES2先改成你的卡号。顺着教程读代码从 tutorial/TimesNet_tutorial.ipynb 入手理解模型结构要往仓库里加新模型先看 CONTRIBUTING.md 的约定。【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