训练脚本生成器

Name: gen-train-script
Rating: 92
Author: sheldon123z

为农村电压异常检测项目生成标准化的训练脚本。

支持的模型

模型名称	特点	适用场景
TimesNet	FFT + 2D卷积，周期建模	通用时序异常检测
VoltageTimesNet	预设电网周期 + TimesNet	农村电压数据专用
DLinear	轻量级，序列分解 + 线性层	快速实验基线
Informer	ProbSparse 注意力	长序列建模
Autoformer	自相关分解	周期性数据
PatchTST	Patch + Transformer	多变量时序
iTransformer	倒置Transformer	变量间关系建模
FiLM	频域学习	周期模式捕获
TimeMixer	多尺度混合	复杂时序模式
Transformer	标准Transformer	基准对比
Reformer	高效注意力	内存优化
MICN	多尺度卷积	局部模式
SegRNN	分段RNN	序列分割
LightTS	轻量级	快速推理
Nonstationary_Transformer	非平稳自适应	非平稳时序

支持的数据集

数据集	特征数	说明
RuralVoltage	17	农村电压数据（自定义）
PSM	25	服务器监控数据
MSL	55	火星探测器数据
SMAP	25	土壤水分数据
SMD	38	服务器机器数据
SWAT	51	水处理系统数据

参数说明

核心参数

参数	类型	默认值	说明
model	string	TimesNet	模型名称
dataset	string	RuralVoltage	数据集名称
seq_len	int	100	输入序列长度
d_model	int	64	模型隐藏维度
d_ff	int	128	前馈网络维度
e_layers	int	2	编码器层数
top_k	int	5	TimesNet 周期数
batch_size	int	32	批次大小
epochs	int	10	训练轮数
lr	float	0.0001	学习率
patience	int	3	早停耐心值
anomaly_ratio	float	1.0	预期异常比例(%)
gpu	int	0	GPU 设备号

数据集特征数映射

yaml

RuralVoltage: 17
PSM: 25
MSL: 55
SMAP: 25
SMD: 38
SWAT: 51

使用示例

基础用法

bash

# 使用默认参数生成 TimesNet 训练脚本
/train model=TimesNet dataset=RuralVoltage

# 指定序列长度和训练轮数
/train model=VoltageTimesNet seq_len=200 epochs=20

# 使用 DLinear 作为基线
/train model=DLinear dataset=PSM batch_size=64

高级用法

bash

# 完整参数配置
/train model=TimesNet dataset=RuralVoltage seq_len=100 d_model=128 d_ff=256 e_layers=3 top_k=5 batch_size=32 epochs=20 lr=0.0001 patience=5 anomaly_ratio=1.0 gpu=0

# 多模型对比实验
/train model=TimesNet,DLinear,Informer dataset=RuralVoltage --compare

生成规则

脚本生成位置

code

code/voltage_anomaly_detection/scripts/{dataset}/{model}.sh

脚本模板

bash

#!/bin/bash
# {model} Training Script for {dataset}
# Generated by Claude Code - gen-train-script skill
# Date: {date}

export CUDA_VISIBLE_DEVICES={gpu}

model_name={model}
seq_len={seq_len}

python -u run.py \
  --task_name anomaly_detection \
  --is_training 1 \
  --root_path ./dataset/{dataset}/ \
  --model_id {dataset}_{model}_{seq_len} \
  --model $model_name \
  --data {dataset} \
  --features M \
  --seq_len $seq_len \
  --pred_len 0 \
  --d_model {d_model} \
  --d_ff {d_ff} \
  --e_layers {e_layers} \
  --enc_in {enc_in} \
  --c_out {c_out} \
  --top_k {top_k} \
  --num_kernels 6 \
  --batch_size {batch_size} \
  --train_epochs {epochs} \
  --patience {patience} \
  --learning_rate {lr} \
  --anomaly_ratio {anomaly_ratio} \
  --des '{model}_Exp'

执行流程

•参数解析: 解析用户输入的参数
•参数验证: 验证模型和数据集名称有效性
•特征数映射: 自动设置 enc_in 和 c_out
•目录创建: 创建输出目录（如不存在）
•脚本生成: 根据模板生成 bash 脚本
•权限设置: 设置脚本可执行权限
•输出提示: 显示生成的脚本路径和运行命令

快捷操作

生成脚本后，可以直接运行：

bash

# 运行生成的脚本
bash code/voltage_anomaly_detection/scripts/RuralVoltage/VoltageTimesNet.sh

# 或在项目目录下
cd code/voltage_anomaly_detection && bash scripts/RuralVoltage/VoltageTimesNet.sh

注意事项

•确保已激活正确的 conda 环境: conda activate tslib
•首次运行前需安装依赖: pip install -r requirements.txt
•RuralVoltage 数据集首次使用需生成样本数据
•GPU 内存不足时可减小 batch_size 或 d_model