Il s'agit de l'application Linux PyTorch Forecasting, dont la dernière version est téléchargeable sous le nom v1.4.0sourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée PyTorch Forecasting avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
Prévisions PyTorch
DESCRIPTION:
PyTorch Forecasting vise à simplifier la prévision de séries temporelles de pointe grâce aux réseaux de neurones, tant pour les cas réels que pour la recherche. L'objectif est de fournir une API de haut niveau offrant une flexibilité maximale aux professionnels et des paramètres par défaut raisonnables aux débutants. Une classe de jeux de données de séries temporelles permet de gérer les transformations de variables, les valeurs manquantes, le sous-échantillonnage aléatoire, les longueurs d'historique multiples, etc. Une classe de modèle de base fournit un entraînement de base pour les modèles de séries temporelles, ainsi que la journalisation dans Tensorboard et des visualisations génériques telles que les comparaisons entre les valeurs réelles et les prédictions et les graphiques de dépendance. Plusieurs architectures de réseaux de neurones pour la prévision de séries temporelles ont été optimisées pour un déploiement réel et intègrent des fonctionnalités d'interprétation. Le package est basé sur PyTorch Lightning pour permettre un entraînement sur CPU, un ou plusieurs GPU prêts à l'emploi.
Comment ça marche
- Mesures de séries chronologiques multi-horizons
- Optimiseur Ranger pour une formation plus rapide des modèles
- Réglage des hyperparamètres avec optuna
- Une classe de modèle de base qui fournit une formation de base aux modèles de séries chronologiques
- Architectures de réseaux neuronaux multiples
- Une classe d'ensemble de données de séries chronologiques qui fait abstraction de la gestion des transformations de variables
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/pytorch-forecasting.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.