问题请教

[MrLangZe]

请问下，训练用的sh文件中的参数，可以自行修改吗？如果可以，具体的参数有更详细的说明吗？谢谢

[lss-1138]

可以修改的，主要修改这几个参数即可。

关于SegRNN模型的参数：

1. d_model: 设置RNN中hidden size大小
2. dropout：设置预测层的丢弃率
3. rnn_type ：设置使用的RNN类型，包括gru、lstm、rnn，建议gru
4. dec_way ：设置解码方式，包括pmf和rmf，建议pmf，并行预测
5. channel_id ：是否增加通道标识符，1为开启，0为关闭
6. seg_len：设置分段长度，需要能被seq_len 和 pred_len 整除。

关于数据集的参数：

1. enc_in: 数据集的变量（通道）数
2. seq_len: 模型的输入长度，即历史回望窗口长度
3. pred_len：模型的输出长度，即前向预测的长度

关于训练：
batch_size、learning_rate 、train_epochs 、patience等，可自行设置。

[MrLangZe]

感谢您的解答！
另外想请问一下您使用的是何种训练硬件配置，训练时长通常是多少？
我在训练前将您的exp_main.py文件代码38行左右的位置作了如下修改
`class Exp_Main(Exp_Basic):
def init(self, args):
super(Exp_Main, self).init(args)

def _build_model(self):
    model_dict = {
        'Autoformer': Autoformer,
        'Transformer': Transformer,
        'Informer': Informer,
        'DLinear': DLinear,
        'NLinear': NLinear,
        'Linear': Linear,
        'PatchTST': PatchTST,
        'VanillaRNN': VanillaRNN,
        'SegRNN': SegRNN
    }
    model = model_dict[self.args.model].Model(self.args).float()

    # use cuda ======
    device = torch.device("cuda")
    model.to(device)
    # ======

    if self.args.use_multi_gpu and self.args.use_gpu:
        model = nn.DataParallel(model, device_ids=self.args.device_ids)
    return model`

然后在训练速度上似乎比未修改前有一些提升，不确定是否是因为这样做让cuda能直接用于整个model的所有参数训练过程。

[lss-1138]

我之前完成这种工作时的环境是两张T4，现在是单张4090.

理论上，你新增的这两行是没有什么用处的，因为exp/exp_basic.py第10行已经在实例化模型后to(self.device)了。

self.model = self._build_model().to(self.device)

我在我的环境下试了下你新增的这两行，在cuda环境下，Weather数据集上单个epoch速度从12s增加至18s. 这个现象也有点奇怪。

个人建议是，最好不要修改这里的代码，以免发生其他未知问题