【SegRNN 源码理解】PMF的多步并行预测

位置编码 

        elif self.dec_way == "pmf":if self.channel_id:# m,d//2 -> 1,m,d//2 -> c,m,d//2# c,d//2 -> c,1,d//2 -> c,m,d//2# c,m,d -> cm,1,d -> bcm, 1, dpos_emb = torch.cat([self.pos_emb.unsqueeze(0).repeat(self.enc_in, 1, 1),self.channel_emb.unsqueeze(1).repeat(1, self.seg_num_y, 1)], dim=-1).view(-1, 1, self.d_model).repeat(batch_size,1,1)

 

┌─────────────┐              ┌─────────────┐
│  pos_emb    │              │ channel_emb │
│  [2, 256]   │              │  [7, 256]   │
└──────┬──────┘              └──────┬──────┘│                            │▼                            ▼
┌─────────────┐              ┌─────────────┐
│ unsqueeze(0)│              │unsqueeze(1) │
│  [1,2,256]  │              │ [7,1,256]   │
└──────┬──────┘              └──────┬──────┘│                            │▼                            ▼
┌─────────────┐              ┌─────────────┐
│ repeat      │              │ repeat      │
│ [7,2,256]   │              │ [7,2,256]   │
└──────┬──────┘              └──────┬──────┘│                            │└────────────┬───────────────┘│▼┌───────────────┐│ concat(dim=-1)││  [7,2,512]    │└───────┬───────┘│▼┌───────────────┐│ view(-1,1,512)││  [14,1,512]   │└───────┬───────┘│▼┌───────────────┐│ repeat        ││ [224,1,512]   │└───────┬───────┘│▼最终组合嵌入

理解时间序列数据的训练集、序列长度和批次大小

我又有了一个新的问题，训练集大小是 593 个样本，怎么 batchsize=16，seqlen=60

用自己的话，593 个样本，随机选择了 16 个，这16 个样本的时间步并不一定是连续的，但是一个 batch 内部封装的 60 个时间步一定是连续的

shuffle=True