UNetTSF¶
约 428 个字 70 行代码 1 张图片 预计阅读时间 3 分钟
开始部分见 2025-04-16 Wednesday ，okay，继续
block_model
```python if self.individual: self.Linear_channel = nn.ModuleList()
for i in range(self.channels):
self.Linear_channel.append(nn.Linear(self.input_len, self.out_len))
else:
self.Linear_channel = nn.Linear(self.input_len, self.out_len)
self.ln = nn.LayerNorm(out_len)
self.relu = nn.ReLU(inplace=True)
通过 individual 控制初始化几个线性层，判断是通道独立还是共享参数，这里就全是库函数，不用再扒了。
其实原始 block 应该是 96→720 这样，这里（好像）有点问题。
查了一下：`self.Linear_channel`python
Linear(in_features=96, out_features=192, bias=True)
```
emm，好像是一样的。看下面，进行趋势分解：
不看初始化了，直接查这个东西是啥：
self.decomposer
TrendCyclicDecomposition(
(avg): AvgPool1d(kernel_size=(25,), stride=(1,), padding=(12,))
)
- padding & kernel size，很明显就是一个 移动平均。
- 第一个返回值：趋势项，第二个返回值：残差项
- 接下来 进入 forward
def forward(self, x):
"""
输入 x: [B, C, L]
输出: trend [B, C, L], cyclic [B, C, L]
"""
# 提取趋势项(通过移动平均)
trend = self.avg(x)
# 计算周期项(原始信号减去趋势)
cyclic = x - trend
return trend, cyclic
这里的 forward 也挺简单的
一个 self.avg，参数
也没啥好说的，上面查 self.decomposer 也能看到，具体来说就是对 AvgPool1d 的实例化。
- 到了库函数不用步进了
- 下面就是 原始序列 减去 趋势项 得到季节性成分，返回。
输入输出，形状都是：BCL（通道优先的格式）
接下来处理，高频成分，也就是季节性成分。
查一下：self.freq_decomposer 这是啥东西
FrequencyDecomposer(
(wavelet_decomposers): ModuleList(
(0): SimpleWaveletDecomposition(
(low_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
(high_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
)
(1): SimpleWaveletDecomposition(
(low_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
(high_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
)
)
)
内容有点多，但已经好多了，一点点扒拉把
- self.freq_decomposer 是实例化的 FrequencyDecomposer 这个类
-
FrequencyDecomposer 这个类里面第一个是
(wavelet_decomposers) -
(wavelet_decomposers)这个东西是 ModuleList 的实例化
- ModuleList类里面是两个 (0): SimpleWaveletDecomposition 和 (1): SimpleWaveletDecomposition 既然如此，只看一个
- (0): SimpleWaveletDecomposition是 (low_pass) 和 (high_pass) 的实例化
- (low_pass) 和 (high_pass) 分别是两个 Sequential 的实例化
- 到库函数了，不用扒了
- 如果仔细看的话，(low_pass) 和 (high_pass) 低通和高通两个 内部是一样的
- 拿出来看看
(low_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
(high_pass): Sequential(
(0): ReflectionPad1d((2, 1))
(1): Conv1d(7, 7, kernel_size=(4,), stride=(1,), groups=7)
(2): GELU()
(3): InstanceNorm1d(7, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
)
- 画个图把：
还好了，橙色表示是一样的东西。