DLinear 总览与 Level 树

Abstract

这篇是 DLinear/ 目录的唯一总入口。

它只做四件事：

1. 固定当前真实运行例子
2. 固定一个最小 toy 例子
3. 给出从命令行到 DLinear.forward(...) 的总顺序图和 Level 树
4. 说明后续每篇文档各自展开哪一部分

0. 当前学习这组 DLinear 文档的第一性

当前学习 DLinear，不是为了背一个简单模型名字，而是为了建立三种能力：

1. 代码实现能力
   • 知道一个最简单的 forecasting 模型怎样接到 TFB 里、怎样收输入、怎样吐输出。
2. 实验运行能力
   • 知道改 seq_len / pred_len / moving_avg / individual 会影响哪里，能跑通最小实验。
3. 模型对照能力
   • 用 DLinear 这个最简单基线，分清哪些是 TFB 固定外壳，哪些是 Informer 这种复杂模型才额外引入的机制。

所以这组文档的第一性不是“学一个模型名字”，而是：

用最小模型建立“读模型代码 -> 接框架 -> 动代码 -> 跑实验”的底座。

1. 当前真实运行例子

固定主线例子：

• 数据：ETTh1.csv
• 模型：time_series_library.DLinear
• adapter：transformer_adapter
• strategy：rolling_forecast

关键参数：

• seq_len = 96
• label_len = 48
• horizon = pred_len = 24
• batch_size = 4
• moving_avg = 25
• enc_in = 7
• individual = False

这组参数的意义：

• seq_len = 96
  • 每次喂给 DLinear 的历史长度。
• pred_len = 24
  • DLinear 每次要预测未来多少步。
• moving_avg = 25
  • 分解趋势项时使用的滑动平均窗口。
• enc_in = 7
  • 每个时间步有 7 个变量。
• individual = False
  • 7 个变量共享一套 seasonal / trend 线性头。

2. 固定 toy 例子

为了让文档能脱离源码阅读，固定一个极小 toy 例子：

• B = 1
• seq_len = 4
• pred_len = 2
• enc_in = 2
• moving_avg = 3
• individual = False

toy 输入：

x_enc =
[
  [1, 10],
  [2, 11],
  [3, 12],
  [4, 13],
]
shape = (1, 4, 2)

这 4 个时间步、2 个变量，会被一路送进：

• series_decomp
• Linear_Seasonal
• Linear_Trend
• 最终输出 (1, 2, 2)

3. 总顺序图

4. 总抽象树

5. Level 到文档的映射表

层级	文档	这一层解决的问题	入口	出口
Level 1	01-Level1-配置进入DLinear	为什么当前命令最后会变成 DLinear(config)	run_benchmark.py + args	model = DLinear(config)
Level 2	02-Level2-数据进入DLinear	batch 四元组怎么进入 DLinear	_process(input, target, input_mark, target_mark)	DLinear.forward(...)
Level 3	03-Level3-forward主链	forecasting 任务里 forward(...) 实际走哪条分支	DLinear.forward(...)	forecast(x_enc)
Level 4	04-Level4-encoder分解与线性预测总览	encoder(x_enc) 内部到底做了什么	encoder(x_enc)	(B, pred_len, C)

6. Level 4 的子块

Level 4 已继续下钻到两个子块：

• 4A series_decomp 与 moving_avg
  • 04A-series_decomp与moving_avg
• 4B Seasonal / Trend 线性头
  • 04B-SeasonalTrend线性头

注意：

• 4C 和 4D 目前还并在 04-Level4-encoder分解与线性预测总览 里讲。
• 如果以后继续拆，也应该作为 04 的子块，而不是新开假 Level。

7. 附录文档

这些不是 Level 主线，而是辅助文档：

• A1-参数速查
• A2-Torch函数解释
• A3-DLinear论文原理与代码桥接
• A4-学习目的与阅读建议

8. 固定阅读顺序

严格按这个顺序：

1. 01-Level1-配置进入DLinear
2. 02-Level2-数据进入DLinear
3. 03-Level3-forward主链
4. 04-Level4-encoder分解与线性预测总览
5. 04A-series_decomp与moving_avg
6. 04B-SeasonalTrend线性头
7. 09-DLinear全览流程图收束

遇到看不懂的 torch 算子，再查：

• A2-Torch函数解释

如果想从论文原理反接代码，再看：

• A3-DLinear论文原理与代码桥接

如果想知道“为什么要学模型、学到什么程度算够”，再看：

• A4-学习目的与阅读建议

9. 只留一句

这组 DLinear 文档以后不再按“主题并列”组织，而是按“真实运行链 + Level 主树 + 必要附录”组织，用来支撑你尽量不读源码也能把 DLinear 跑通、讲清、改动。