Ito ang Linux app na pinangalanang PyTorch Forecasting na ang pinakabagong release ay maaaring ma-download bilang v1.4.0sourcecode.tar.gz. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang PyTorch Forecasting sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
Pagtataya ng PyTorch
DESCRIPTION
Nilalayon ng PyTorch Forecasting na mapagaan ang makabagong pagtataya ng serye ng oras gamit ang mga neural network para sa parehong mga totoong kaso at pananaliksik. Ang layunin ay magbigay ng mataas na antas ng API na may pinakamataas na kakayahang umangkop para sa mga propesyonal at makatwirang mga default para sa mga nagsisimula. Isang klase ng set ng time series na nag-abstract sa paghawak ng mga variable na pagbabago, nawawalang mga value, randomized na subsampling, maraming haba ng history, atbp. Isang base model class na nagbibigay ng pangunahing pagsasanay ng mga modelo ng time series kasama ang pag-log in sa tensorboard at mga generic na visualization tulad ng aktwal na vs predictions at dependency plot. Maramihang mga arkitektura ng neural network para sa pagtataya ng timeseries na pinahusay para sa real-world na deployment at may kasamang in-built na mga kakayahan sa interpretasyon. Ang package ay binuo sa PyTorch Lightning upang payagan ang pagsasanay sa mga CPU, isa at maramihang GPU na wala sa kahon.
Mga tampok
- Multi-horizon timeseries metrics
- Ranger optimizer para sa mas mabilis na pagsasanay sa modelo
- Hyperparameter tuning na may optuna
- Isang base model class na nagbibigay ng pangunahing pagsasanay ng mga timeseries na modelo
- Maramihang mga arkitektura ng neural network
- Isang timeseries dataset class na nag-abstract sa paghawak ng mga variable na pagbabago
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/pytorch-forecasting.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
