search

zhengchuanpan / GMAN

GMAN: A Graph Multi-Attention Network for Traffic Prediction (GMAN, https://fanxlxmu.github.io/publication/aaai2020/) was accepted by AAAI-2020.
Apache License 2.0
411 stars 106 forks source link

有谁复现出了PeMS上的结果吗？ #30

Open flowingrain opened 3 years ago

flowingrain commented 3 years ago

我在TensorFlow2上兼容模式跑的，还把patience调成了20，测试集平均MAE为1.66，与报告的水平有差距

testing time: 36.1s MAE RMSE MAPE train 1.32 2.87 2.78% val 1.59 3.72 3.61% test 1.66 3.82 3.74% performance in each prediction step step: 01 0.99 1.88 1.96% step: 02 1.21 2.47 2.50% step: 03 1.38 2.97 2.93% step: 04 1.52 3.35 3.30% step: 05 1.62 3.65 3.61% step: 06 1.71 3.90 3.86% step: 07 1.78 4.09 4.08% step: 08 1.85 4.25 4.26% step: 09 1.90 4.38 4.42% step: 10 1.95 4.49 4.55% step: 11 1.99 4.59 4.67% step: 12 2.03 4.67 4.78% average: 1.66 3.72 3.74% total time: 3.4min

xingxuan2018 commented 3 years ago

请问代码data里的 'GMAN(PeMS)'这个文件在哪里能找的到？

BitterSweets1 commented 3 years ago

我在pytorch版本上跑的，和你的结果差不多，不知道为何复现不出论文里的结果。

wengwenchao123 commented 2 years ago

看了代码之后，发现代码里面空间注意力那边没有用分组attention，时间注意力那边用了一个mask-attention，大概是这两个变化导致我们没法复现

wengwenchao123 commented 2 years ago

抱歉有点说错了，mask-attention是有其他用处的，那这样看就只有分组的区别了

cuizy1017 commented 2 years ago

tensorflow的结果应该接近一些，15min看的是step03的数据，不是平均数据

nicocccccchou commented 2 years ago

我没用文章里面说的的分组去降低时间和内存消耗，使用pytorch进行复现，除了15分钟和30分钟相对比较接近，大概只差0.02-0.04，在60分钟那个结果上差距比较大 image

zouguojian commented 1 year ago

复线啥啊，根本复线不出来，尤其是DCRNN更是离谱了在metr-la上