Time-Series-Library中分类任务的序列长度设定解析

时序分类任务中的序列长度参数

在时间序列分类任务中，序列长度(seq_len)和预测长度(pred_len)是两个关键参数。Time-Series-Library项目在处理分类任务时，对这两个参数有特殊的处理逻辑。

参数自动确定机制

该项目实现了一个智能的参数确定机制，主要特点包括：

1. 训练阶段自动确定：在训练过程中，系统会自动根据输入数据中最长的序列来确定seq_len和pred_len的值。pred_len在分类任务中固定为0，因为分类任务不需要预测后续值。

2. 参数保存：训练完成后，模型会将这些参数值保存在checkpoint文件名中，格式为"_sl{seq_len}pl{pred_len}"。

测试阶段的问题与解决方案

在实际使用中，测试阶段(is_training=0)可能会出现找不到对应checkpoint的问题，这是因为：

1. 默认值冲突：测试时如果没有显式指定seq_len和pred_len，系统会使用默认值(96)，导致与训练时保存的checkpoint文件名不匹配。

2. 解决方案：

   • 显式指定测试时的seq_len和pred_len参数，确保与训练时一致
   • 或者修改代码，使测试阶段也能自动获取正确的参数值

实现原理

该功能的实现主要涉及两个关键部分：

1. 数据加载器：负责计算数据中最长的序列长度
2. 实验类：在分类任务中固定pred_len为0，并处理相关参数

最佳实践建议

1. 对于分类任务，建议始终显式设置pred_len=0
2. 在测试时，确保seq_len参数与训练时一致
3. 可以检查保存的checkpoint文件名中的参数值，确保测试配置匹配

通过理解这些机制，用户可以更有效地使用Time-Series-Library进行时间序列分类任务，避免常见的参数配置问题。