用Gradio实现PaddleTS时序预测全流程可视化：以风电预测任务为例_paddle load_from_dataframe

★★★ 本文源自AlStudio社区精品项目，【点击此处】查看更多精品内容 >>>

0 项目背景

很多了解飞桨的同学们都知道，在庞大的飞桨工具库套件家族中，有一款知名的“零代码”全流程开发工具——PaddleX的图形化开发客户端。

但有些遗憾的是，PaddleX的全流程开发长期以来只提供了面向CV领域即图像分类、目标检测、图像分割的解决方案。

而飞桨其它方向的工具库，一直以来在“零代码”开发客户端方面还是有所欠缺的。随着Streamlit和Gradio等机器学习可视化web框架的引入，以及各类飞桨工具库的调用API愈加清晰、整齐，现在，给这些工具库插上“零代码”的翅膀，让更多初学者参与到深度学习应用开发中来，已不再是特别困难的事情了。

另一方面，本次“中国软件杯”大学生软件设计大赛——龙源风电赛道的区域赛阶段，也要求选手实现模型算法的落地。基于Gradio快速实现轻量级部署，也是选手们在设计时可以考虑的一种方向。

因此，本文就基于AI Studio提供的Gradio应用部署解决方案，以“中国软件杯”大学生软件设计大赛——龙源风电赛道的场景为例，介绍如何实现一个面向通用场景的PaddleTS全流程零代码开发案例。

参考资料：

• 比赛介绍
• 比赛基线
• Gradio应用部署教程

1 环境准备

!pip install paddlets
1

2 功能设计

任何一个软件开发工具的实现，都离不开前期对整体结构的设计。根据一贯的从易到难迭代原则，本项目首先聚焦实现PaddleTS时间序列预测任务的全流程“零代码”开发。

注：红色字体为后续迭代内容。

下面，就逐一介绍一下工具箱重点实现的内容。

2.1 数据集参数设置

由于风电预测这个任务，数据集完全来自真实产业场景，前期数据预处理的任务非常关键，如：

• 时间戳重复
• 日期格式特殊（日-月-年）
• 部分数据字段为整数（与PaddleTS对协变量格式要求冲突）
• 预测时间不连续（根据前日5:00前数据预测后一天风机实际功率）

因此，我们结合该项目设计的数据集参数选项，将会非常有代表性，基本覆盖时间序列任务可能要面临的各种情况。

在数据集参数设置中，最需要关注的是多列变量如何传参与后台处理——如：有多个协变量、多个预测值。

本项目采用的是手动设置分隔符，再在后台处理的方式。用户只需在不同字段名间输入空格，后台就通过split()函数将字符串切成字典，从而让传入数据符合PaddleTS处理的格式要求。

2.2 训练参数设置

时间序列预测任务的训练参数设置也是比较固定的，因为PaddleTS模型在这方面已经抽象得非常到位了。

以初始化MLPRegressor模型为例，只有两个必传的参数：

1. in_chunk_len: 输入时序窗口的大小，代表每次训练以及预测时候输入到模型中的前序的时间步长。

2. out_chunk_len: 输出时序窗口的大小，代表每次训练以及预测时候输出的后续的时间步长。

大部分时间序列预测模型的传参非常一致。

为简化页面复杂度，本项目只提取了其中最常用、最经常需要调整的batch_size、lr、epochs进行界面传参，其余使用默认设置。

2.3 模型训练和加载

众所周知，深度学习模型训练都需要比较长的时间，尽管时间序列预测任务和CV、大模型类训练时长相比，已经算是“极速”了，但是在Gradio前端应用使用时，由于训练过程我们暂时无法实现可视化，一直等待页面加载模型训练结果会非常枯燥。而且，模型加载后的预测时间，相对于模型训练时间又非常地“微不足道”，要使得界面展示更加简洁美观，还需要进一步优化设计。

因此，本项目做了两个处理。

• 用gr.Accordion()折叠了未训练时的可视化结果展示页签
• 用gr.Tab()把模型训练和模型加载完全分开
  

3 开发过程

尽管部署Gradio应用只需启动一个*.gradio.py的脚本文件，但是本项目涉及到的输入输出和函数处理特别多，因此，把fn函数独立出来开发，会使得gradio脚本更加简洁。

另外，既然是面对通用时间序列预测任务的工具箱，在设计函数处理时，就应该尽可能避免单个场景数据的影响。时序训练的关键函数代码如下：

def get_ts_df(upfile, time_colunm, dayfirst, observed_colunms, trans_colunms,
              pred_colunms, time_freq, train_ratio, test_ratio, in_chunk_len,
              out_chunk_len, skip_chunk_len, choose_model, max_epochs,
              learning_rate, batch_size):

    df = pd.read_csv(upfile.name,
                     parse_dates=[time_colunm],
                     infer_datetime_format=True,
                     dayfirst=dayfirst)
    df = df.drop_duplicates(subset=[time_colunm], keep='first')
    fig = altair.Chart(df[:1000]).mark_line().encode(x=time_colunm,
                                                    y=pred_colunms.split()[-1]).configure_point(
    size=1200
)
    df[trans_colunms.split()] = df[trans_colunms.split()].fillna(
        0).astype(np.float64())
    target_cov_dataset = TSDataset.load_from_dataframe(
        df,
        time_col=time_colunm,
        target_cols=pred_colunms.split(),
        observed_cov_cols=observed_colunms.split(),
        freq=time_freq,
        fill_missing_dates=True,
        fillna_method='pre')
    train_dataset, val_test_dataset = target_cov_dataset.split(train_ratio)
    val_dataset, test_dataset = val_test_dataset.split(test_ratio)
    scaler = StandardScaler()
    scaler.fit(train_dataset)
    ts_train_scaled = scaler.transform(train_dataset)
    ts_val_scaled = scaler.transform(val_dataset)
    ts_test_scaled = scaler.transform(test_dataset)
    if choose_model == 'MLP':
        model = MLPRegressor(
            in_chunk_len=int(in_chunk_len),
            out_chunk_len=int(out_chunk_len),
            skip_chunk_len=int(skip_chunk_len),
            max_epochs=int(max_epochs),
            batch_size=int(batch_size),
            optimizer_params=dict(learning_rate=learning_rate),
        )
    elif choose_model == 'LSTM':
        model = LSTNetRegressor(
            in_chunk_len=int(in_chunk_len),
            out_chunk_len=int(out_chunk_len),
            skip_chunk_len=int(skip_chunk_len),
            max_epochs=int(max_epochs),
            batch_size=int(batch_size),
            optimizer_params=dict(learning_rate=learning_rate),
        )
    elif choose_model == 'RNN':
        model = RNNBlockRegressor(
            in_chunk_len=int(in_chunk_len),
            out_chunk_len=int(out_chunk_len),
            skip_chunk_len=int(skip_chunk_len),
            max_epochs=int(max_epochs),
            batch_size=int(batch_size),
            optimizer_params=dict(learning_rate=learning_rate),
        )
    elif choose_model == 'TCN':
        model = TCNRegressor(
            in_chunk_len=int(in_chunk_len),
            out_chunk_len=int(out_chunk_len),
            skip_chunk_len=int(skip_chunk_len),
            max_epochs=int(max_epochs),
            batch_size=int(batch_size),
            optimizer_params=dict(learning_rate=learning_rate),
        )
    elif choose_model == 'Transformer':
        model = TransformerModel(
            in_chunk_len=int(in_chunk_len),
            out_chunk_len=int(out_chunk_len),
            skip_chunk_len=int(skip_chunk_len),
            max_epochs=int(max_epochs),
            batch_size=int(batch_size),
            optimizer_params=dict(learning_rate=learning_rate),
        )
    model.fit(ts_train_scaled, ts_val_scaled)
    if os.path.exists("model"):
        os.remove("model")
        os.remove("model_model_meta")
        os.remove("model_network_statedict")
    model.save("model")
    subset_test_pred_dataset = model.predict(ts_val_scaled)
    subset_test_dataset, _ = ts_test_scaled.split(len(subset_test_pred_dataset.target))
    mae = MAE()
    mae(subset_test_dataset, subset_test_pred_dataset)
    test_dataset = scaler.inverse_transform(ts_test_scaled)
    fig2 = altair.Chart(
        model.predict(test_dataset).to_dataframe().reset_index().rename(
            columns={"index": time_colunm})).mark_line().encode(
                x=time_colunm, y=pred_colunms.split()[-1])
    result_df = model.predict(test_dataset).to_dataframe()
    result_df.reset_index().rename(
            columns={"index": time_colunm}).to_csv('res.csv')
    return df.head(), fig, fig2, mae(subset_test_dataset, subset_test_pred_dataset), result_df.reset_index().rename(
fig, fig2, mae(subset_test_dataset, subset_test_pred_dataset), result_df.reset_index().rename(
            columns={"index": time_colunm}).head()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97

完整代码实现读者可以查阅项目的gradio_fns.py和base.gradio.py文件。

4 注意事项

由于AI Studio上的Gradio做了一些网络限制，以及一些还需要完善的部署问题，实际开发时，还有以下注意事项：

• AI Studio上Gradio报错机制较弱，因此调试代码时要逐一生成中间文件，以帮助定位出问题的代码行
• 训练时间过长时（或页面等待时间超过一分钟），Notebook内部的Gradio调试脚本不会返回结果页面的刷新，需要综合监控GPU/CPU性能变化，以及是否生成模型文件辅助判断训练是否成功
• fn函数处理输入输出任务较多时，建议读者先在Notebook中手动传参调试
• Gradio组件回传的参数格式可能需要调整，如in_chunk_len通过gr.Number()获取后需要强制转换为int格式
• 尽量不要调整skip_chunk_len参数，否则计算MAE时会出现错误

5 实现效果

读者可以到应用界面测试体验“零代码”时间序列预测效果。

6 小结

本项目是基于PaddleTS和Gradio基本实现了时间序列预测任务的全流程可视化开发，在后续迭代中，将主要进行以下几方面的优化：

• 增加集成学习的适配
• 针对各种报错，通过gr.Error()进行信息提示
• 增加时序异常、时序分类等其它PaddleTS任务
• 实现飞桨工具库的Gradio可视化开发

此文章为搬运
原项目链接