【亲测免费】 Crossformer 安装和配置指南

1. 项目基础介绍和主要编程语言

项目基础介绍

Crossformer 是一个基于 Transformer 的模型，专门用于多元时间序列预测。该项目由上海交通大学 Thinklab 实验室开发，并在 ICLR 2023 会议上发表。Crossformer 通过利用跨维度依赖性，显著提升了多元时间序列预测的准确性。

主要编程语言

该项目主要使用 Python 编程语言进行开发。

2. 项目使用的关键技术和框架

关键技术和框架

• PyTorch: 作为深度学习框架，用于模型的实现和训练。
• NumPy: 用于数值计算和数据处理。
• Pandas: 用于数据分析和处理时间序列数据。
• einops: 用于简化张量操作。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.7 或更高版本
• Git
• CUDA（如果需要使用 GPU 进行训练）

详细安装步骤

步骤 1：克隆项目仓库

首先，使用 Git 克隆 Crossformer 项目到本地：

git clone https://github.com/Thinklab-SJTU/Crossformer.git
cd Crossformer

步骤 2：创建虚拟环境（可选）

为了隔离项目依赖，建议创建一个虚拟环境：

python -m venv crossformer_env
source crossformer_env/bin/activate  # 在 Windows 上使用 `crossformer_env\Scripts\activate`

步骤 3：安装依赖

使用 pip 安装项目所需的依赖包：

pip install -r requirements.txt

步骤 4：下载数据集

将需要进行实验的数据集放入 datasets/ 文件夹中。项目已经提供了 ETTh1 和 ETTm1 数据集，其他数据集可以从以下链接下载：

• WTH 和 ECL: Informer2020
• ILI 和 Traffic: Autoformer

步骤 5：运行示例脚本

您可以通过运行以下命令来训练和测试 Crossformer 模型：

python main_crossformer.py --data ETTh1 --in_len 168 --out_len 24 --seg_len 6 --itr 1

此命令将在 ETTh1 数据集上训练模型，并进行测试。训练后的模型将保存在 checkpoints/ 文件夹中，评估指标将保存在 results/ 文件夹中。

步骤 6：自定义数据集

如果您想使用自定义数据集，请将数据集文件修改为以下格式：

• 第一列为日期（或留空）
• 其余列为多元时间序列数据

将修改后的文件放入 datasets/ 文件夹中，并运行以下命令：

python main_crossformer.py --data AirQuality --data_path AirQualityUCI.csv --data_dim 13 --in_len 168 --out_len 24 --seg_len 6

此命令将在 AirQuality 数据集上训练模型。

结束语

通过以上步骤，您已经成功安装并配置了 Crossformer 项目。您可以根据需要调整参数，进一步优化模型性能。