paddlets.models.dl.paddlepaddle.paddle_base

class PaddleBaseModel(in_chunk_len: int, out_chunk_len: int, skip_chunk_len: int = 0)[源代码]

基类：BaseModel

所有paddle深度学习模型的基类。

参数

in_chunk_len (int) – 模型输入的时间序列长度。
out_chunk_len (int) – 模型输出的序列长度。
skip_chunk_len (int) – 可选变量，输入序列与输出序列之间跳过的序列长度，既不作为特征也不作为预测目标使用，默认值为0。

_network

一个paddle.nn.Layer实例。

Type: paddle.nn.Layer

_optimizer

Type: paddle.optimizer.Optimizer

_callback_container

一个包含回调实例的容器。

Type: paddlets.models.dl.paddlepaddle.callbacks.CallbackContainer

abstract fit(train_data: TSDataset, valid_data: Optional[TSDataset] = None)[源代码]

训练一个paddle深度学习模型实例。

任何继承自此类的非抽象子类均需实现此方法。

参数

train_data (TSDataset) – 训练集。
valid_data (TSDataset, optional) – 验证集，可选参数。

abstract predict(data: TSDataset) → TSDataset[源代码]

完成预测。

任何继承自此类的非抽象子类均需实现此方法。

参数: data (TSDataset) – 待预测的数据集。
返回: Predicted result, in type of TSDataset.
返回类型: TSDataset

save(path: str) → None[源代码]

将一个PaddleBaseModel模型实例保存在磁盘文件中。

1> 任何一个 PaddleBaseModel 或者继承自 PaddleBaseModel 的实例均拥有一组成员变量，它们一般可以被分为3种类型：可以被pickle序列化的成员（例如：int，str，dict等python内置的数据类型）， paddle相关的，并且无法被pickle序列化的成员（例如：paddle.nn.Layer, paddle.optimizer.Optimizer），以及与paddle不相关的，并且无法被pickle序列化的成员。

2> 调用此方法前需保证self._network 和 self._optimizer成员不为None。

参数: path (str) – 一个包含模型文件名的字符串格式的路径。
引发: ValueError –

static load(path: str) → PaddleBaseModel[源代码]

从给定的文件路径加载一个PaddleBaseModel模型。

由于预测期间optimizer并不影响模型的预测效果，因此当前暂不加载optimizer。

参数: path (str) – 一个包含模型文件名的字符串格式的路径。
返回: 加载得到的PaddleBaseModel模型实例。
返回类型: PaddleBaseModel