Informer 全览流程图收束

Abstract

这篇只做一件事：

把当前这条 Informer 精读链，从命令行参数到最终 (B, pred_len, c_out) 输出，重新压回一张完整总图。

这篇不再下钻新模块，而是做收束：

• 总顺序图
• 总抽象树
• 当前真实例子的接口链
• toy 例子在整条链里的位置
• 各篇文档在整条链里的职责

1. 当前真实例子

固定当前主例子：

• 数据：ETTh1.csv
• 模型：time_series_library.Informer
• adapter：transformer_adapter
• strategy：rolling_forecast
• 任务：short_term_forecast

关键参数：

• seq_len = 96
• label_len = 48
• pred_len = horizon = 24
• batch_size = 4
• d_model = 32
• d_ff = 128
• e_layers = 2
• d_layers = 1
• n_heads = 8
• embed = "timeF"
• freq = "h"
• distil = True

2. 整条主链的第一性

这组文档的第一性不是“把 Informer 每个文件都拆完”，而是：

在真实 TFB 运行链里，搞清当前这条命令怎样把参数和数据送进 Informer，再怎样经过 embedding / encoder / decoder 变成最终预测。

所以整条链必须同时回答四件事：

1. 为什么当前会选中 Informer
2. batch 四元组怎样变成 Informer 四输入
3. forward -> short_forecast 内部怎样分块
4. 各块里的张量怎样一步步变化

3. 全览顺序图

4. 全览抽象树

这张树的意思不是“执行顺序完全长这样”，而是：

• 上半部分给主线 Level
• 中间部分把 short_forecast 的内部逻辑块继续拆开
• 下半部分把 encoder / decoder 里已经单独精读的核心节点挂回总树

所以这张树回答的是：

当前这一套文档，已经把 Informer 运行链拆到了什么粒度。

5. 当前例子的接口链

5.1 配置接口链

命令行参数
-> build_model_config(...)
-> pipeline(...)
-> get_models(...)
-> get_model_info(...)
-> transformer_adapter(Informer)
-> ModelFactory
-> _init_model()
-> Informer(config)

意义：

• 这一段解决“为什么当前这条命令会走到 Informer，而不是别的模型”。

对应文档：

• 01-Level1-配置进入Informer

5.2 数据接口链

forecast_fit / batch_forecast
-> _process(input, target, input_mark, target_mark)
-> x_enc, x_mark_enc, x_dec, x_mark_dec
-> Informer.forward(...)

意义：

• 这一段解决“batch 四元组怎样真正变成 Informer 的四输入”。

对应文档：

• 02-Level2-数据进入Informer

5.3 模型主链

forward(...)
-> short_forecast(...)
-> 标准化
-> DataEmbedding
-> Encoder
-> Decoder
-> 反标准化
-> 取最后 pred_len

意义：

• 这一段解决“进入 Informer 以后，代码主体到底按什么顺序跑”。

对应文档：

• 03-Level3-forward主链
• 04-Level4-short_forecast五段总览

6. toy 例子在整条链里的位置

真实例子里你在 PyCharm 里看到的是：

• input.shape = (4, 96, 7)
• target.shape = (4, 72, 7)
• input_mark.shape = (4, 96, 4)
• target_mark.shape = (4, 72, 4)
• 最终 output.shape = (4, 24, 7)

但精读代码时不直接用它做数学例子，因为太大。

所以文档里固定另一个更小的 toy 例子：

• B = 1
• seq_len = 4
• label_len = 2
• pred_len = 2
• c_in = c_out = 2
• d_model = 4

这两个例子的分工是：

• 真实例子：用来对齐你当前实际跑的 benchmark
• toy 例子：用来画张量、卷积核、attention 权重、projection 的逐步变化

7. 各篇文档到底负责哪一段

文档	父节点	负责的段	解决的问题	出口
01-Level1-配置进入Informer	总任务	命令行到 Informer(config)	为什么当前例子会选中 Informer	model = Informer(config)
02-Level2-数据进入Informer	总任务	_process(...)	batch 四元组怎样变成四输入	Informer.forward(...)
03-Level3-forward主链	总任务	forward -> short_forecast	为什么走这条分支	short_forecast(...)
04-Level4-short_forecast五段总览	Level 3	4A~4E 总览	short_forecast 内部怎样分块	4A~4E
04B-DataEmbedding	4B DataEmbedding	三种 embedding 怎样合成 encoder / decoder 输入	(B,L,d_model)
04C-Encoder主链	4C Encoder	编码后的历史上下文怎样形成	enc_out
04C-1-AttentionLayer	4C Encoder -> EncoderLayer	Q/K/V 怎样投影、分头、再合并	attention 输出
04C-2-ProbAttention	4C Encoder -> AttentionLayer	top query 怎样被选中和更新	context
04D-Decoder主链	4D Decoder	decoder 怎样读 enc_out 并投影回输出通道	dec_out
A1-参数速查	附录	参数从哪来、控制什么	速查表	速查表
A2-代码地图	附录	文件和后续拆分路线	文件索引	文件索引

8. 一张最短收束图

9. 固定阅读顺序

严格按这个顺序：

1. 01-Level1-配置进入Informer
2. 02-Level2-数据进入Informer
3. 03-Level3-forward主链
4. 04-Level4-short_forecast五段总览
5. 04B-DataEmbedding
6. 04C-Encoder主链
7. 04C-1-AttentionLayer
8. 04C-2-ProbAttention
9. 04D-Decoder主链
10. 09-Informer全览流程图收束

10. 最后压成 5 句话

1. 当前这条命令先把参数变成 Informer(config)，再把 batch 四元组变成 Informer 四输入。
2. forward(...) 只是分支入口，当前实际走的是 short_forecast(...)。
3. short_forecast(...) 的主干就是：标准化 -> embedding -> encoder -> decoder -> 反标准化。
4. Encoder 里的 attention 不是黑盒，已经继续下钻到了 AttentionLayer / ProbAttention。
5. 这篇之后，Informer 这一组文档已经形成从入口到内部模块再到收束总图的闭环。