推理时 解析model output变量

[stjack01]

Hi @kwuking ，

你好，我希望在推理中解析出Target变量的值，从下面的代码，我理解的model的output的维度是[batch, pred_len+label_len, variables]. 就是第3个维度是模型的全部变量（X,Y）的维度。 但是我实际打印output的维度时发现，outputs.shape= [24,1280,1], 似乎模型每次输出的output只包含一个变量的结果？

features =M

如果training和infer的时候使用features=M， 我需要自己判断outputs的第三个维度具体对应哪个变量？ 不知道我的理解对吗？

        if args.output_attention:
                outputs = model(batch_x, batch_x_mark, dec_inp, batch_y_mark)[0]
            else:
                outputs = model(batch_x, batch_x_mark, dec_inp, batch_y_mark)

            **f_dim = -1 if args.features == 'MS' else 0**
            outputs = outputs[:, -args.pred_len:, f_dim:]
            batch_y = batch_y[:, -args.pred_len:, f_dim:]
            loss = criterion(outputs, batch_y)
            train_loss.append(loss.item())

我同时检查了batch_x, batch_x_mark，batch_y_mark 这3个变量的输入维度，发现都是[24,96,1] , 似乎是因为data_loader.py的如下代码？ 每次get_item只返回一个变量 （feat_id = 变量的序号）？

    seq_x = self.data_x[s_begin:s_end, feat_id:feat_id + 1]
    seq_y = self.data_y[r_begin:r_end, feat_id:feat_id + 1]
    seq_x_mark = self.data_stamp[s_begin:s_end]
    seq_y_mark = self.data_stamp[r_begin:r_end]

我的问题是，outputs = model(batch_x, batch_x_mark, dec_inp, batch_y_mark) 可以实现同时输入全部变量吗？ 假设有10个var， 预测长度=32，需要怎么做才能得到 10*32 的output？我应该怎么解析出Target变量的输出呢？ 非常感谢

[USTCdyf]

请问你解决了吗

[stjack01]

@USTCdyf , not yet

[Dinosaur-159]

I alse meet this problem，everything refers to that “features” is “S”. No matter what the "features" is ?

Renewal

In my test，feat_id will change. Different features are used, but only one.