生成较长时间序列

[mkbk-with-circle]

🥹🥹作者您好，我现在又有一个问题，就是假设我想要先用已有数据训练处一个模型，然后生成一个（只需要一个）很长的时间序列（比如100w长度），那我是不是要在训练时把window也设置为100w，这样您的模型就会因为数据量过大而无法训练？ 如果可以的话，是否可以在训练时把window设置为合理的较小的数值比如window=200，然后在无条件生成的时候可以生成较长的时间序列？

[mkbk-with-circle]

我现在如果直接在samples = trainer.sample(num=1, size_every=1, shape=[2000, dataset.var_num])这句话中设定shape的形状，那么会报错

[Y-debug-sys]

你好，没考虑过这样的场景（100w长度），不过可以反复自回归式地生成较长的长度（除了第一次，每次都基于上次生成的后半段继续生成）。

[mkbk-with-circle]

好的，感谢提供解决方案！谢谢！

[mkbk-with-circle]

欸话说，如果我最开始只生成一条时间序列的话，会不会因为随机性比较大然后后面自回归生成的数据都不佳呢？

[Y-debug-sys]

由于没有考虑过超出 512 长度的一次性序列生成，在不对原代码大规模修改的情况下，只能如此权衡。

[mkbk-with-circle]

好滴感谢！

[mkbk-with-circle]

您好，我遇到了和之前某一位同学类似的问题，就是我现在尝试按照您说的去写一个自回归的预测生成，所以我打算用无条件生成的一条时间序列（长度为200）来作为最开始的时间序列并且之后在此基础上进行自回归的预测。于是我现在在尝试掌握pred模式下的预测，遇到了一些问题，我运行了：python main.py --name netshare_predict --config_file Config/my_config.yaml --gpu 0 --sample 1 --milestone 10 --mode predict --pred_len 35之后，输出ddpm_predict_netshare_predict.npy和my_yaml_norm_truth_200_test.npy的形状，都为(80, 200, 165)，然后看到之前第“32”个问题里的对话，我理解的是，这个ddpm_predict_netshare_predict.npy的第二维度的前（200-35）的值和my_yaml_norm_truth_200_test.npy一样，第二维度的后35的值是通过前（200-35）的值预测出来的，请问我的理解是否有误？如果无误的话，我发现这两个文件的（1,1,1~165）的数据就不一样欸？请问是为什么呢？

my_config.yaml.txt

[mkbk-with-circle]

[Y-debug-sys]

我发现这两个文件的（1,1,1~165）的数据就不一样欸？请问是为什么呢？

哪里不一样？提供的截图是一样的。

[mkbk-with-circle]

后面几位的小数不一样是正常的是咩？

[Y-debug-sys]

可能是浮点数转换产生的误差吧。

[mkbk-with-circle]

好的，我再次确认一下我前面对pred mode的理解——“这个ddpm_predict_netshare_predict.npy的第二维度的前（200-35）的值和my_yaml_norm_truth_200_test.npy一样，第二维度的后35的值是通过前（200-35）的值预测出来的”——是否有误？

[Y-debug-sys]

好的，我再次确认一下我前面对pred mode的理解——“这个ddpm_predict_netshare_predict.npy的第二维度的前（200-35）的值和my_yaml_norm_truth_200_test.npy一样，第二维度的后35的值是通过前（200-35）的值预测出来的”——是否有误？

是的。

[mkbk-with-circle]

感谢！