search

Y-debug-sys / Diffusion-TS

[ICLR 2024] Official Implementation of "Diffusion-TS: Interpretable Diffusion for General Time Series Generation"
MIT License
184 stars 26 forks source link

生成后效果与初始数据很不相关，关于参数设置的改正 #55

Closed holydick99 closed 2 months ago

holydick99 commented 2 months ago

@3%%X{%SEENZ{OB4SZO Y{8 _ ~P0Z3I1~EX3AY2A QZ(7U DW%3NW1EBN (9G3HXQ4_26S 图中可以发现，在使用模型生成后，效果很差。我认为可能是参数设置错误的原因。阐述一下流程：输入数据（样本数，时间间长度），但是在训练配置中我的feature_size必须要与时间长度相等才可以进行训练，通过观察fmri数据集维度为（10000，5）个人觉得输入数据是否应该改为（时间长度，样本数）？

Y-debug-sys commented 2 months ago

归一化问题，请使用归一化原始数据比较，取消 Jupter notebook 对 norm_truth 的注释，谢谢！

holydick99 commented 2 months ago

TR4XILM{QJ6CL$9RL4L06G6 xi谢谢解答，但是似乎您的代码中并没有对应被注释项

Y-debug-sys commented 2 months ago

[13] 块对 ori_data 的注释取消，只有示范的 sine 数据集使用 ground_truth。

holydick99 commented 2 months ago

K` 1RORZ)W~XXXD}8@~2R89 很遗憾，仍然效果很差

Y-debug-sys commented 2 months ago

发一下密度图和改动处。

holydick99 commented 2 months ago

发一下密度图和改动处。

密度图是？，改动是发配置文件中的改动除吗

Y-debug-sys commented 2 months ago

最上面的第三个图

Y-debug-sys commented 2 months ago

max_epochs: 10 results_folder: ./Checkpoints_EEG gradient_accumulate_every: 2 save_cycle: 1 # max_epochs // 10

请把 max_epochs 和 save_cycle 放大，这里的 epoch 指的是一次梯度优化，不是循环数据集一轮，如果是如图所示的 2000 个数据，建议分别定为10000和1000，此外下列项也改动一下：

patience: 3000 --> 2000

Y-debug-sys commented 2 months ago

期待结果，以前我也做过 eeg 分类生成的工作，效果应该是没有问题的。

holydick99 commented 2 months ago

max_epochs: 10 results_folder: ./Checkpoints_EEG gradient_accumulate_every: 2 save_cycle: 1 # max_epochs // 10

请把 max_epochs 和 save_cycle 放大，这里的 epoch 指的是一次梯度优化，不是循环数据集一轮，如果是如图所示的 2000 个数据，建议分别定为10000和1000，此外下列项也改动一下：

patience: 3000 --> 2000

BURI`1 L1XQFU0WNB9`_JQC

Y-debug-sys commented 2 months ago

信息太少，改动的几个文件和数据发我邮箱吧 yxy5315@gmail 。

holydick99 commented 2 months ago

信息太少，改动的几个文件和数据发我邮箱吧 yxy5315@gmail 。 邮件已经发送，感谢你的帮助

Y-debug-sys commented 2 months ago

image