您的模型的 forward 函数应遵循 BasicTS 设定的规范。
BasicTS 会将以下参数传递给模型的 forward 函数：
- history_data (
torch.Tensor): 历史数据，形状为[B, L, N, C]，其中B代表批次大小，L为序列长度，N为节点数量，C为特征数量。 - future_data (
torch.Tensor或None): 未来数据，形状为[B, L, N, C]。如果未来数据不可用（例如在测试阶段），则此参数为None。 - batch_seen (
int): 目前处理的批次数。 - epoch (
int): 当前的训练轮数。 - train (
bool): 表示模型是否处于训练模式。
forward 函数的输出可以是一个形状为 [B, L, N, C] 的 torch.Tensor，其中通常 C=1，表示预测的值。
或者，模型可以返回一个包含 prediction 键的字典，其中 prediction 包含上述描述的预测值。该字典还可以包含其他自定义键，作为损失函数和评估指标的参数。更多细节可以在 评估指标 中找到。
一个示例可以在 多层感知机（MLP）模型 中找到。
BasicTS 提供了多种内置模型。您可以在 baselines 文件夹中找到它们。要运行一个基线模型，可以使用以下命令：
python experiments/train.py -c baselines/${MODEL_NAME}/${DATASET_NAME}.py -g '{GPU_IDs}'