p03 v0.1.3 update to the other ts model //RNNBlockRegressor

[IvanaXu]

https://paddlets.readthedocs.io/zh_CN/latest/source/modules/models/overview.html#a-minimal-example

从一个较高的视角来看，PaddleTS 提供了以下三个时序建模相关的特性：

标准化的接口。 这些在 PaddleBaseModel 中声明的 fit、predict 标准化接口接收、返回统一的 TSDataset 数据集，作为其输入输出，以便将一些数据集处理和样本构建的复杂细节封装起来，简化API的使用，降低学习成本。

PaddleTS 设计了 PaddleBaseModelImpl 类，该类包含一组覆盖整个建模生命周期的通用函数与组件（如 准备样本，初始化模型性能指标, 计算损失等）。这使得用户可以更关注深度网络架构本身，同时也为广大开发者基于PaddleTS构建新的时序模型提供了最大程度的便利。

开箱即用的模型。PaddleTS提供一组预定义的，开箱即用的时序深度学习模型：

Long Short-term Time-series Network

Multilayer Perceptron

DeepARModel

NBEATSModel

NHiTSModel

RnnBlockRegressor

Temporal Convolution Net Regressor

Transformer

Informer

TS2Vec

https://paddlets.readthedocs.io/zh_CN/latest/source/api/paddlets.models.forecasting.dl.rnn.html

https://paddlets.readthedocs.io/zh_CN/latest/_modules/paddlets/models/forecasting/dl/rnn.html#RNNBlockRegressor