flowzl/timelib
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

first commit

Browse Source
This commit is contained in:
flowerstonezl
2026-01-29 17:08:54 +08:00
commit f7291b1221
366 changed files with 42505 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

20
scripts/anomaly_detection/MSL/Autoformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Autoformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/Crossformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Crossformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/DLinear.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model DLinear \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 100 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

21
scripts/anomaly_detection/MSL/ETSformer.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model ETSformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 100 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--d_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/FEDformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model FEDformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/FiLM.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=6
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model FiLM \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 100 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 32 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/Informer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Informer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/KANAD.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model KANAD \
--data MSL \
--features M \
--seq_len 64 \
--d_model 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--learning_rate 0.01 \
--batch_size 128 \
--num_workers 4 \
--patience 5 \
--train_epochs 100

20
scripts/anomaly_detection/MSL/LightTS.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model LightTS \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/MICN.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=1
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model MICN \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/Pyraformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Pyraformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/Reformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Reformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

21
scripts/anomaly_detection/MSL/TimesNet.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=2
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model TimesNet \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 8 \
--d_ff 16 \
--e_layers 1 \
--enc_in 55 \
--c_out 55 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 1

20
scripts/anomaly_detection/MSL/Transformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=1
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model Transformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/MSL/iTransformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/MSL \
--model_id MSL \
--model iTransformer \
--data MSL \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 55 \
--c_out 55 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/PSM/Autoformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=6
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/PSM \
--model_id PSM \
--model Autoformer \
--data PSM \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/PSM/DLinear.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=6
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/PSM \
--model_id PSM \
--model DLinear \
--data PSM \
--features M \
--seq_len 100 \
--pred_len 100 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/PSM/KANAD.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/PSM \
--model_id PSM \
--model KANAD \
--data PSM \
--features M \
--seq_len 64 \
--d_model 6 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--learning_rate 0.01 \
--batch_size 128 \
--num_workers 4 \
--patience 5 \
--train_epochs 100

21
scripts/anomaly_detection/PSM/TimesNet.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=6
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/PSM \
--model_id PSM \
--model TimesNet \
--data PSM \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 64 \
--d_ff 64 \
--e_layers 2 \
--enc_in 25 \
--c_out 25 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/PSM/Transformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=6
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/PSM \
--model_id PSM \
--model Transformer \
--data PSM \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/SMAP/Autoformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=7
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMAP \
--model_id SMAP \
--model Autoformer \
--data SMAP \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/SMAP/KANAD.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMAP \
--model_id SMAP \
--model KANAD \
--data SMAP \
--features M \
--seq_len 64 \
--d_model 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--learning_rate 0.01 \
--batch_size 128 \
--num_workers 4 \
--patience 5 \
--train_epochs 100

21
scripts/anomaly_detection/SMAP/TimesNet.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMAP \
--model_id SMAP \
--model TimesNet \
--data SMAP \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/SMAP/Transformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=7
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMAP \
--model_id SMAP \
--model Transformer \
--data SMAP \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 25 \
--c_out 25 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/SMD/Autoformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=2
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMD \
--model_id SMD \
--model Autoformer \
--data SMD \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 38 \
--c_out 38 \
--anomaly_ratio 0.5 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/SMD/KANAD.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMD \
--model_id SMD \
--model KANAD \
--data SMD \
--features M \
--seq_len 96 \
--d_model 4 \
--enc_in 38 \
--c_out 38 \
--anomaly_ratio 0.5 \
--learning_rate 0.01 \
--batch_size 128 \
--num_workers 4 \
--patience 5 \
--train_epochs 100

21
scripts/anomaly_detection/SMD/TimesNet.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=2
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMD \
--model_id SMD \
--model TimesNet \
--data SMD \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 64 \
--d_ff 64 \
--e_layers 2 \
--enc_in 38 \
--c_out 38 \
--top_k 5 \
--anomaly_ratio 0.5 \
--batch_size 128 \
--train_epochs 10

20
scripts/anomaly_detection/SMD/Transformer.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=2
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SMD \
--model_id SMD \
--model Transformer \
--data SMD \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 38 \
--c_out 38 \
--anomaly_ratio 0.5 \
--batch_size 128 \
--train_epochs 10

21
scripts/anomaly_detection/SWAT/Autoformer.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=1
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model Autoformer \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

20
scripts/anomaly_detection/SWAT/KANAD.sh Normal file
View File

@@ -0,0 +1,20 @@
export CUDA_VISIBLE_DEVICES=0
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model KANAD \
--data SWAT \
--features M \
--seq_len 80 \
--d_model 1 \
--enc_in 51 \
--c_out 51 \
--anomaly_ratio 1 \
--learning_rate 0.01 \
--batch_size 128 \
--num_workers 4 \
--patience 5 \
--train_epochs 100

161
scripts/anomaly_detection/SWAT/TimesNet.sh Normal file
View File

@@ -0,0 +1,161 @@
export CUDA_VISIBLE_DEVICES=1
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 8 \
--d_ff 8 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 16 \
--d_ff 16 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 32 \
--d_ff 32 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 64 \
--d_ff 64 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 8 \
--d_ff 8 \
--e_layers 2 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 16 \
--d_ff 16 \
--e_layers 2 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 32 \
--d_ff 32 \
--e_layers 2 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model TimesNet \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 64 \
--d_ff 64 \
--e_layers 2 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3

21
scripts/anomaly_detection/SWAT/Transformer.sh Normal file
View File

@@ -0,0 +1,21 @@
export CUDA_VISIBLE_DEVICES=1
python -u run.py \
--task_name anomaly_detection \
--is_training 1 \
--root_path ./dataset/SWaT \
--model_id SWAT \
--model Transformer \
--data SWAT \
--features M \
--seq_len 100 \
--pred_len 0 \
--d_model 128 \
--d_ff 128 \
--e_layers 3 \
--enc_in 51 \
--c_out 51 \
--top_k 3 \
--anomaly_ratio 1 \
--batch_size 128 \
--train_epochs 3