TS2Vec 项目使用教程

1. 项目的目录结构及介绍

TS2Vec 项目的目录结构如下：

ts2vec/
├── datasets/
│   ├── preprocess_kpi.py
│   └── kpi.pkl
├── models/
├── scripts/
├── tasks/
├── .gitignore
├── LICENSE
├── README.md
├── datautils.py
├── requirements.txt
├── train.py
├── ts2vec.py
└── utils.py

目录介绍

• datasets/: 包含数据预处理脚本和预处理后的数据文件。
• models/: 存放模型相关的文件。
• scripts/: 包含一些辅助脚本。
• tasks/: 存放任务相关的文件。
• .gitignore: Git 忽略文件列表。
• LICENSE: 项目许可证。
• README.md: 项目说明文档。
• datautils.py: 数据处理工具。
• requirements.txt: 项目依赖列表。
• train.py: 训练脚本。
• ts2vec.py: 核心模型文件。
• utils.py: 辅助工具函数。

2. 项目的启动文件介绍

项目的启动文件是 train.py，用于训练和评估 TS2Vec 模型。

启动文件介绍

train.py 的主要功能如下：

• 加载数据集。
• 配置训练参数。
• 训练模型。
• 评估模型性能。

使用示例：

python train.py <dataset_name> <run_name> --loader <loader> --batch-size <batch_size> --repr-dims <repr_dims> --gpu <gpu> --eval

参数说明：

• dataset_name: 数据集名称。
• run_name: 保存模型输出和评估指标的文件夹名称。
• loader: 数据加载器，可选值包括 UCR, UEA, forecast_csv, forecast_csv_univar, anomaly, anomaly_coldstart。
• batch_size: 批大小（默认值为 8）。
• repr_dims: 表示维度（默认值为 320）。
• gpu: 用于训练和推理的 GPU 编号。

3. 项目的配置文件介绍

项目的配置文件是 requirements.txt，列出了项目运行所需的依赖包及其版本。

配置文件介绍

requirements.txt 内容示例：

Python==3.8
torch==1.8.1
scipy==1.6.1
numpy==1.19.2
pandas==1.0.1
scikit_learn==0.24.2
statsmodels==0.12.2
Bottleneck==1.3.2

这些依赖包可以通过以下命令安装：

pip install -r requirements.txt

这样就可以确保项目在指定的环境中运行。