关于代码的几点疑问

[wuyulong666]

@wuhaixu2016 作者你好，我再拜读了您的论文和代码之后，产生了几点疑问。

1. 我看您设置了随机数种子确保结果可以复现，但是为什么没有设置torch.cuda.manual_seed呢？
2. 在划分数据集的时候减去seq_len，是为了保证拥有num_vali和num_test长度的数据来计算loss吗？
3. 在Transformer_EncDec.py line12，downConv的padding为什么不是1而是2呢？
4. autocorrelation是不需要掩码是吗？虽然设置了参数，但是没有掩码操作。
5. 在decoder部分，为什么是直接对趋势项相加，然后作用一个projection。这和论文叙述的不太一样，是为了减少参数量设计的吗？并且我不太理解为什么projection的kernel_size=3,这和之前FFN层设计的conv不太一样，为什么要这样做呢？
6. 我看您在Autoformer_EncDec中保留了informer的conv_layer的设计，请问您有尝试过加上conv_layer效果会变好吗？

[wuhaixu2016]

您好，感谢细致阅读

1. 您也可以设置torch.cuda.manual_seed，在论文中，结果是多个实验的平均值
2. 去掉seq_len主要是为了避免各个subset之间存在相互覆盖，造成测试数据集被用于训练或者验证
3. 为了保证数据长度确实减小了对应的倍数
4. 目前Transformer使用的enc-dec结构，不存在auto-regressive过程，因此不需要掩码
5. 代码和论文中的描述是一致的，具体可以看Section 3.1最后的公式。projection的具体形式不是很重要，您也可以改成之前ffn的conv
6. conv_layer在informer中用于下采样，实验中证明这样仅仅可以加速训练，会损害实验效果。