Time series Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-art Deep Learning library for Time Series and Sequences in Pytorch / fastai
epoch | train_loss | valid_loss | mae | _rmse | time
-- | -- | -- | -- | -- | --
0 | nan | nan | nan | nan | 00:01
1 | nan | nan | nan | nan | 00:01
2 | nan | nan | nan | nan | 00:01
3 | nan | nan | nan | nan | 00:01
4 | nan | nan | nan | nan | 00:01
5 | nan | nan | nan | nan | 00:01
6 | nan | nan | nan | nan | 00:01
7 | nan | nan | nan | nan | 00:01
8 | nan | nan | nan | nan | 00:01
9 | nan | nan | nan | nan | 00:01
10 | nan | nan | nan | nan | 00:01
11 | nan | nan | nan | nan | 00:01
12 | nan | nan | nan | nan | 00:01
13 | nan | nan | nan | nan | 00:01
14 | nan | nan | nan | nan | 00:01
15 | nan | nan | nan | nan | 00:01
16 | nan | nan | nan | nan | 00:01
17 | nan | nan | nan | nan | 00:01
18 | nan | nan | nan | nan | 00:01
19 | nan | nan | nan | nan | 00:01
20 | nan | nan | nan | nan | 00:01
21 | nan | nan | nan | nan | 00:01
22 | nan | nan | nan | nan | 00:01
23 | nan | nan | nan | nan | 00:01
24 | nan | nan | nan | nan | 00:01
25 | nan | nan | nan | nan | 00:01
26 | nan | nan | nan | nan | 00:01
27 | nan | nan | nan | nan | 00:01
28 | nan | nan | nan | nan | 00:01
29 | nan | nan | nan | nan | 00:01
30 | nan | nan | nan | nan | 00:01
31 | nan | nan | nan | nan | 00:01
32 | nan | nan | nan | nan | 00:01
33 | nan | nan | nan | nan | 00:01
34 | nan | nan | nan | nan | 00:01
35 | nan | nan | nan | nan | 00:01
36 | nan | nan | nan | nan | 00:01
37 | nan | nan | nan | nan | 00:01
38 | nan | nan | nan | nan | 00:01
39 | nan | nan | nan | nan | 00:01
40 | nan | nan | nan | nan | 00:01
41 | nan | nan | nan | nan | 00:01
42 | nan | nan | nan | nan | 00:01
43 | nan | nan | nan | nan | 00:01
44 | nan | nan | nan | nan | 00:01
45 | nan | nan | nan | nan | 00:01
46 | nan | nan | nan | nan | 00:01
47 | nan | nan | nan | nan | 00:01
48 | nan | nan | nan | nan | 00:01
49 | nan | nan | nan | nan | 00:01
Thanks for your wonderful work.
I'm new in time series regression and Pytorch, and am trying to learn the example "04_Intro_to_Time_Series_Regression.ipynb".
When the dataset is 'AppliancesEnergy' or 'AustraliaRainfall', the standardization and training are normal.
But when the dataset is 'BeijingPM10Quality' or 'BeijingPM25Quality', the mean, std value, train_loss, and valid_loss are
nan
.The data import and mean value are as follows:
And the output is:
And the model is trained as:
The training process is:
The output of
computer_setup
is:I can't find the cause of the problem, please try if you can reproduce the problem. Thanks a lot.