feat: add mamba and dynamic chunking related code and test code

This commit is contained in:
gameloader
2025-09-04 01:32:13 +00:00
parent 12cb7652cf
commit ef307a57e9
21 changed files with 4550 additions and 86 deletions

View File

@ -0,0 +1,251 @@
#!/bin/bash
model_name=vanillaMamba
# ETTm1 dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/ETT-small/ \
--data_path ETTm1.csv \
--model_id ETTm1_$pred_len'_'$pred_len \
--model $model_name \
--data ETTm1 \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 7 \
--c_out 7 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# ETTm2 dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/ETT-small/ \
--data_path ETTm2.csv \
--model_id ETTm2_$pred_len'_'$pred_len \
--model $model_name \
--data ETTm2 \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 7 \
--c_out 7 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# ETTh1 dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/ETT-small/ \
--data_path ETTh1.csv \
--model_id ETTh1_$pred_len'_'$pred_len \
--model $model_name \
--data ETTh1 \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 7 \
--c_out 7 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# ETTh2 dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/ETT-small/ \
--data_path ETTh2.csv \
--model_id ETTh2_$pred_len'_'$pred_len \
--model $model_name \
--data ETTh2 \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 7 \
--c_out 7 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# Weather dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/weather/ \
--data_path weather.csv \
--model_id weather_$pred_len'_'$pred_len \
--model $model_name \
--data custom \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 21 \
--c_out 21 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# ECL dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/electricity/ \
--data_path electricity.csv \
--model_id ECL_$pred_len'_'$pred_len \
--model $model_name \
--data custom \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 321 \
--c_out 321 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# Traffic dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/traffic/ \
--data_path traffic.csv \
--model_id traffic_$pred_len'_'$pred_len \
--model $model_name \
--data custom \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 862 \
--c_out 862 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done
# Exchange dataset
for pred_len in 96 192 336 720
do
python -u run.py \
--task_name long_term_forecast \
--is_training 1 \
--root_path ./dataset/exchange_rate/ \
--data_path exchange_rate.csv \
--model_id Exchange_$pred_len'_'$pred_len \
--model $model_name \
--data custom \
--features M \
--seq_len 96 \
--label_len 48 \
--pred_len $pred_len \
--e_layers 2 \
--d_layers 1 \
--enc_in 8 \
--c_out 8 \
--d_model 128 \
--expand 2 \
--d_conv 4 \
--d_state 64 \
--headdim 64 \
--ngroups 1 \
--chunk_size 256 \
--dropout 0.1 \
--des 'Exp' \
--itr 1
done