PyTorch-Forecasting中SMAPE指标计算问题的分析与解决
问题背景
在使用PyTorch-Forecasting库进行时间序列预测时,许多用户在按照官方教程执行"Demand forecasting with the Temporal Fusion Transformer"时会遇到SMAPE指标计算失败的问题。这个问题表现为在执行模型评估时出现RuntimeError,提示"zero-dimensional tensor cannot be concatenated"错误。
问题现象
当用户尝试按照教程中的代码计算SMAPE指标时:
mean_losses = SMAPE(reduction="none")
mean_losses = mean_losses(predictions.output, predictions.y)
系统会抛出RuntimeError,指出无法连接零维张量。这个问题在PyTorch 2.0.1和PyTorch-Forecasting 1.0.0版本中尤为常见。
问题根源分析
经过深入分析,这个问题主要由以下几个因素导致:
-
张量维度不匹配:predictions.y实际上是一个元组(tuple),而不是直接的张量,直接使用会导致维度处理错误。
-
指标计算接口变更:较新版本的torchmetrics库对指标计算接口进行了调整,而教程中的代码可能没有及时更新。
-
状态归约机制问题:torchmetrics的内部状态归约机制在处理特定维度的张量时会失败。
解决方案
针对这个问题,社区提出了几种有效的解决方案:
方案一:使用loss方法替代直接调用
mean_losses = SMAPE(reduction="none")
mean_losses = mean_losses.loss(predictions.output, predictions.y)
方案二:正确处理predictions.y的元组结构
mean_losses = SMAPE(reduction="none")
mean_losses = mean_losses.loss(predictions.output, predictions.y[0]).mean(1)
这种方法明确处理了predictions.y的元组结构,确保输入张量的维度匹配。
技术原理深入
SMAPE(Symmetric Mean Absolute Percentage Error)是对称平均绝对百分比误差,计算公式为:
SMAPE = 200% * Σ(|F_t - A_t| / (|A_t| + |F_t|)) / n
其中F_t是预测值,A_t是实际值。
在PyTorch-Forecasting中,这个指标通过torchmetrics库实现。当模型返回的预测结果是一个复杂对象(包含output和y等多个属性)时,直接调用指标计算函数可能会导致维度处理错误。
最佳实践建议
-
检查张量维度:在使用任何指标前,先检查输入张量的shape属性,确保维度匹配。
-
理解返回结构:了解模型predict方法返回的对象结构,特别是当返回值为命名元组或字典时的数据访问方式。
-
版本适配:注意PyTorch-Forecasting与torchmetrics库的版本兼容性,不同版本可能有不同的API要求。
-
错误处理:在指标计算周围添加try-catch块,捕获可能的维度错误并提供有意义的错误信息。
总结
SMAPE指标计算问题在PyTorch-Forecasting中是一个常见的痛点,但通过理解其背后的技术原理和采用正确的数据访问方式,可以轻松解决。本文提供的解决方案已在多个实际项目中验证有效,希望能帮助开发者顺利实现时间序列预测模型的评估工作。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









