深度学习论文复现【Ubuntu22.04】

论文介绍

论文题目:ShapeFormer: Shapelet Transformer for Multivariate Time Series Classification

论文PDF:https://arxiv.org/pdf/2405.14608

论文代码:https://github.com/xuanmay2701/shapeformer

论文内容:多元时间序列分类

环境配置准备工作

前几天使用Windows复现论文,遇到了一些困难,并且也记录了过程,可以参看:Windows复现论文,但是没成功。接下来使用Linux来复现一下。

  1. 安装驱动
    参考链接:显卡驱动安装
  2. 安装Anaconda和Pycharm
    参考链接:安装anaconda和pycharm
  3. 安装Anaconda+Pycharm
    参考链接:安装cuda+cudnn

根据论文创建虚拟环境

  1. 创建虚拟环境

    每一个项目用到的包可能版本都不同,anaconda为我们提供了虚拟环境的功能。使用以下命令创建虚拟环境:

    bash 复制代码
    conda create -n ShapeFormer python=3.8 -y
  2. 激活虚拟环境

    bash 复制代码
    conda activate ShapeFormer
  3. 安装requirements.txt 中的包:

    bash 复制代码
    pip install -r requirements.txt

    说需要pip版本小于24.1,查看pip版本:(24.2)

    降低pip版本:

    bash 复制代码
    python -m pip install pip==24.0

    重新安装requirements.txt 中的包:

    bash 复制代码
    pip install -r requirements.txt

    直接成功(Windows折腾了好久都没成功):

Pycharm运行代码

  1. 用Pycharm打开项目代码:

  2. 配置虚拟环境解释器

  3. 运行main.py文件

    因为都有默认参数,所以先不管性能好坏,运行起来最重要:

  4. 解决报错

    发现是sktime包的问题,之前在Windows上也是这个包事多(没有Windows版本的,需要自己编译源代码)。

    先查看sktime版本和论文提供代码的是否一致:

    powershell 复制代码
    conda list

    安装的0.4.3是和论文的一样:

    大概率就是sktime版本更新后,这个函数没了(可能函数名换了,或者路径换了),发现论文代码上面有三个不同路径导入这个函数,我试了下第一个可以导入这个函数:

  5. 再次运行main.py

    没有这个包,安装一下(requirements.txt居然没提供),在这个虚拟环境下安装:

    powershell 复制代码
    pip install seaborn
  6. 结果展示

总结

这篇论文代码基本可以运行,我更改参数后也有一点问题,这就需要阅读代码了,后面我会出一期代码阅读的文章。

还有就是尽量使用Linux来复现论文,Windows太麻烦了。

相关推荐
shayudiandian1 小时前
Transformer结构完全解读:从Attention到LLM
人工智能·深度学习·transformer
天天爱吃肉82181 小时前
新能源汽车动力系统在环(HIL)半实物仿真测试台架深度解析
人工智能·python·嵌入式硬件·汽车
xier_ran1 小时前
深度学习:深入理解 Softmax 激活函数
人工智能·深度学习
aitoolhub1 小时前
重塑机器人未来:空间智能驱动产业智能化升级
大数据·人工智能·深度学习·机器学习·机器人·aigc
放羊郎1 小时前
机器人自主导航方案概述
人工智能·算法·机器人·slam·建图
淬炼之火2 小时前
阅读:基于深度学习的红外可见光图像融合综述
图像处理·深度学习·机器学习·计算机视觉·特征融合·红外图像识别
极客BIM工作室2 小时前
思维链(CoT)的本质:无需架构调整,仅靠提示工程激活大模型推理能力
人工智能·机器学习·架构
放羊郎2 小时前
一款基于鲁班猫和STM32的自主导航实践
人工智能·数码相机·slam·视觉slam·建图·激光slam
eacape2 小时前
什么是RAG?啥又是向量?带你从周杰伦的角度读懂.....
人工智能·agent
GoldenSpider.AI2 小时前
Muon 优化器:通过正交化动量矩阵革命性地加速 AI 大模型训练
人工智能·svd·muon·adamw