PaddleTS 1.1.0 Release Note CN

PaddleTS 1.1.0 发布功能概览

新增模型

PaddleTS 在此次发布中新增引入以下深度时序模型，支持时序分类、预测以及异常检测。

• USAD(UnSupervised Anomaly Detection)
• MTAD-GAT(Multivariate Time-series Anomaly Detection via Graph Attention Network)
• CNN(Convolutional Neural Network)
• Inception Time
• SCINet(Sample Convolution and Interaction Network)
• TFT(Temporal Fusion Transformer)

支持CPU / GPU 的 Docker 镜像已就绪

• registry.baidubce.com/paddlets/paddlets:1.1.0
• registry.baidubce.com/paddlets/paddlets:1.1.0-gpu-cuda11.2-cudnn8

现在拉取 latest 标签会获取 1.1.0 版本的 PaddleTS 镜像。

• registry.baidubce.com/paddlets/paddlets:latest
• registry.baidubce.com/paddlets/paddlets:latest-gpu-cuda11.2-cudnn8

PaddleTS 1.1.0 更新日志

更新日志的图例说明:

Feature: 这是一个之前版本不支持的新功能。

Optimization: 这是一个对存量功能在计算或内存层面的优化。

API Change: 这是一个涉及接口修改的更新，可能需要用户修改代码使用最新接口。

Fix: 这是一个修复之前版本中不符合预期，或无法正常使用的功能的更新。

更新日志

paddlets.automl

• Feature search_space_configer.SearchSpaceConfiger::paddlets_default_search_space 新增支持 Informer 与 DeepAR 模型超参寻优。
• Feature autots.AutoTS::fit 新增 max_concurrent_trials 参数，支持用户自定义并发度, 该参数默认值为1。

paddlets.ensemble

• Feature weighting_ensemble.WeightingEnsembleAnomaly 新增支持时序异常检测。
• API Change Ensemble删除旧 ensemble.ensemble_forecaster_base.py, ensemble.stacking_ensemble_forecaster.py 与 ensemble.weighting_ensemble_forecaster.py 模块，并分别替换为新 ensemble.base.py, ensemble.stacking_ensemble.py 与 ensemble.weighting_ensemble.py 模块。

paddlets.metrics

• Optimization 对 metrics.base.Metric 做了一些内部优化，使其工作更稳定。
• API Change metric.metric.MetricContainer 构造函数移除旧 metric_names 参数, 并替换为新 metrics 参数。

paddlets.models

• Feature 新发布 Paddle Inference 支持，已适配时序预测与时序异常检测。浏览PaddleTS文档获取更多细节。
• Feature PaddleTS新增支持时序分类。
• Feature PaddleTS新增引入6个时序深度模型： MTAD-GAT 与 USAD 时序异常检测模型, CNN 与 Inception Time 时序分类模型，以及 SCINet 与 TFT 时序预测模型。
• Feature PaddleTS新增基于时序表征模型支持聚类与分类。
• Feature AutoEncoder, VAE, AnomalyTransformer, MTAD-GAT 以及 USAD 时序异常检测模型通过新增 pred_adjust 与 pred_adjust_fn 2个参数，支持模型根据实际标签调整预测结果。
• Feature AutoEncoder 时序异常检测模型通过在构造函数新增 embedding_size 与 pooling 2个参数，支持分类型特征。
• Optimization 对时序样本构建逻辑做了一些内部优化，以统一时序模型的样本构建逻辑。
• Optimization 对 models.utils::check_tsdataset 函数以及时序模型RNN、AutoEncoder做了一些内部优化，使其工作更稳定。
• API Change models.anomaly.dl.utils::smooth_l1_loss_vae 移除了 y_true 参数。

paddlets.pipeline

• Optimization 对 pipeline.Pipeline::recursive_predict 与 pipeline.Pipeline::recursive_predict_proba 做了一些内部优化, 使其工作更稳定。

paddlets.xai

• Feature PaddleTS新增模型可解释性能力，它能够解释时序模型的预测结果，包含post hoc方法和ante hoc方法。其中 post hoc方法提供了多种“与模型无关”的解释性框架，能够用于解释任何PaddleTS模型或Pipeline。 ante hoc方法基于特殊的模型设计，能够同时输出预测结果和模型解释性。