MTGNN 开源项目使用教程

1. 项目目录结构及介绍

MTGNN 项目的目录结构如下：

MTGNN/
├── data/
│   └── sensor_graph/
├── LICENSE
├── README.md
├── generate_training_data.py
├── layer.py
├── net.py
├── requirements.txt
├── train_multi_step.py
├── train_single_step.py
├── trainer.py
└── util.py

目录结构介绍

• data/: 存放数据集的目录，其中 sensor_graph/ 子目录包含传感器图数据。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍文档，包含项目的概述、安装和使用说明。
• generate_training_data.py: 用于生成训练数据的脚本。
• layer.py: 定义了项目中使用的各种神经网络层。
• net.py: 定义了整个神经网络模型的结构。
• requirements.txt: 列出了项目依赖的 Python 包。
• train_multi_step.py: 用于多步预测的训练脚本。
• train_single_step.py: 用于单步预测的训练脚本。
• trainer.py: 定义了训练器的类，用于管理训练过程。
• util.py: 包含项目中使用的各种实用函数。

2. 项目的启动文件介绍

MTGNN 项目的主要启动文件包括 train_multi_step.py 和 train_single_step.py。这两个文件分别用于多步预测和单步预测的训练。

train_multi_step.py

该文件用于多步预测的训练。主要功能包括：

• 加载数据集
• 配置模型参数
• 启动训练过程
• 保存训练结果

train_single_step.py

该文件用于单步预测的训练。主要功能包括：

• 加载数据集
• 配置模型参数
• 启动训练过程
• 保存训练结果

3. 项目的配置文件介绍

MTGNN 项目没有单独的配置文件，但可以通过命令行参数或代码中的变量来配置模型和训练过程。以下是一些常见的配置项：

数据集配置

• --data: 指定数据集的路径。
• --num_nodes: 指定数据集中的节点数量。
• --batch_size: 指定批处理大小。
• --epochs: 指定训练的轮数。
• --horizon: 指定预测的时间步长。

模型配置

• --save: 指定模型保存的路径。
• --adj_data: 指定邻接矩阵数据的路径。

训练配置

• --num_split: 指定数据集的分割数量。
• --output_dir: 指定输出目录。

通过这些配置项，用户可以根据自己的需求调整模型和训练过程。

---

以上是 MTGNN 开源项目的使用教程，希望对你有所帮助！