[已解决]Python实现灰色预测过程中的错误

明月小仙

感谢热心人士回答。
代码如下，运行时出现错误：

1. Traceback (most recent call last):
   
2.   File "C:/Users/lenovo/Desktop/shishi.py", line 2, in <module>
   
3.     import torch as th
   
4. ModuleNotFoundError: No module named 'torch'

复制代码

然后用cmd执行以下操作：

cmd运行中出错及错误信息

程序代码：

1. # condig:utf-8
   
2. import torch as th
   
3. import numpy as np
   
4. class GM():
   
5. 
   
6.     def __init__(self):
   
7.         # 判断是否可用 gpu 编程 , 大量级计算使用GPU
   
8.         self._is_gpu = False  # th.cuda.is_available()
   
9. 
   
10.     def fit(self,dt:list or np.ndarray):
    
11.         self._df :th.Tensor = th.from_numpy(np.array(dt,dtype=np.float32))
    
12. 
    
13.         if self._is_gpu:
    
14.             self._df.cuda()
    
15. 
    
16.         self._n:int = len(self._df)
    
17. 
    
18.         self._x,self._max_value = self._sigmod(self._df)
    
19. 
    
20.         z:th.Tensor = self._next_to_mean(th.cumsum(self._x,dim=0))
    
21. 
    
22.         self.coef:th.Tensor = self._coefficient(self._x, z)
    
23. 
    
24.         del z
    
25. 
    
26.         self._x0:th.Tensor = self._x[0]
    
27. 
    
28.         self._pre:th.Tensor = self._pred()
    
29. 
    
30.     # 归一化
    
31.     def _sigmod(self,x:th.Tensor):
    
32.         _maxv:th.Tensor = th.max(x)
    
33.         return th.div(x,_maxv),_maxv
    
34. 
    
35.     # 计算紧邻均值数列
    
36.     def _next_to_mean(self, x_1:th.Tensor):
    
37. 
    
38.         z:th.Tensor = th.zeros(self._n-1)
    
39.         if self._is_gpu:
    
40.             z.cuda()
    
41. 
    
42.         for i in range(1,self._n):  # 下标从0开始，取不到最大值
    
43.             z[i - 1] = 0.5 * x_1[i] + 0.5 * x_1[i - 1]
    
44. 
    
45.         return z
    
46. 
    
47.     # 计算系数 a,b
    
48.     def _coefficient(self,x:th.Tensor,z:th.Tensor):
    
49. 
    
50.         B:th.Tensor = th.stack((-1*z, th.ones(self._n-1)),dim=1)
    
51. 
    
52.         Y:th.Tensor = th.tensor(x[1:],dtype=th.float32).reshape((-1,1))
    
53. 
    
54.         if self._is_gpu:
    
55.             B.cuda()
    
56.             Y.cuda()
    
57. 
    
58.         # 返回的是a和b的向量转置，第一个是a 第二个是b；
    
59.         return th.matmul(th.matmul(th.inverse(th.matmul(B.t(), B)), B.t()),Y)
    
60. 
    
61. 
    
62.     def _pred(self,start:int=1,end:int=0):
    
63. 
    
64.         les:int = self._n+end
    
65. 
    
66.         resut:th.Tensor = th.zeros(les)
    
67. 
    
68.         if self._is_gpu:
    
69.             resut.cuda()
    
70. 
    
71.         resut[0] = self._x0
    
72. 
    
73.         for i in range(start,les):
    
74.             resut[i] = (self._x0 - (self.coef[1] / self.coef[0])) * \
    
75.                             (1 - th.exp(self.coef[0])) * th.exp(-1 * self.coef[0] * (i))
    
76.         del les
    
77.         return resut
    
78. 
    
79.     # 计算绝对误差
    
80.     def confidence(self):
    
81.         return round((th.sum(th.abs(th.div((self._x-self._pre),self._x)))/self._n).item(),4)
    
82. 
    
83.     # 预测个数，默认个数大于等于0，
    
84.     def predict(self,m:int=1,decimals:int=4):
    
85. 
    
86.         y_pred:th.Tensor = th.mul(self._pre,self._max_value)
    
87. 
    
88.         y_pred_ = th.zeros(1)
    
89. 
    
90.         if m<0:
    
91.             return "预测个数需大于等于0"
    
92.         elif m>0:
    
93.             y_pred_:th.Tensor = self._pred(self._n,m)[-m:].mul(self._max_value)
    
94.         else:
    
95.             if self._is_gpu:
    
96.                 return list(map(lambda _: round(_, decimals), y_pred.cpu().numpy().tolist()))
    
97.             else:
    
98.                 return list(map(lambda _:round(_,decimals),y_pred.numpy().tolist()))
    
99. 
    
100.         # cat 拼接 0 x水平拼接，1y垂直拼接
     
101.         result:th.Tensor = th.cat((y_pred,y_pred_),dim=0)
     
102. 
     
103.         del y_pred,y_pred_
     
104. 
     
105.         if self._is_gpu:
     
106.             return list(map(lambda _: round(_, decimals), result.cpu().numpy().tolist()))
     
107. 
     
108.         return list(map(lambda _:round(_,decimals),result.numpy().tolist()))
     
109. 
     
110. 
     
111. 
     
112. if __name__=="__main__":
     
113.     ls = np.arange(91,100,2)
     
114.     print(type(ls))
     
115.     # ls = list(range(91, 100, 2))
     
116.     gm = GM()
     
117.     gm.fit(ls)
     
118.     print(gm.confidence())
     
119.     print(ls)
     
120.     print(gm.predict(m=2))
     

复制代码

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-5-21 23:17:16

https://pypi.org/project/torch/#files
官网下载 whl 文件 然后存放到桌面，文件名不用动
打开CMD 输入

1. cd Desktop

复制代码

回车 然后再输入：

1. pip install 文件名

复制代码

把文件名替换成 你刚刚下载的 whl 完整文件名(注意要带上后缀)

跳转到最佳答案楼层

xiaosi4081

以管理员身份运行cmd

永恒的蓝色梦想

命令行：

1. pip install -i http://pypi.douban.com/simple --trusted-host pypi.douban.com torch

复制代码

Twilight6

1. python -m pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple

复制代码

试试

liuzhengyuan

国内镜像（第二条）
pip装不上模块？快来这看看！（非常全！！！）
https://fishc.com.cn/thread-167155-1-1.html
(出处: 鱼C论坛)

明月小仙

永恒的蓝色梦想 发表于 2020-5-21 22:17
命令行：

你好，感谢回复，但是仍然是红色报错。

明月小仙

liuzhengyuan 发表于 2020-5-21 22:21
国内镜像（第二条）
pip装不上模块？快来这看看！（非常全！！！）
https://fishc.com.cn/thread-167155- ...

你好，我看了一下，但是仍然没解决。

Twilight6

https://pypi.org/project/torch/#files
官网下载 whl 文件 然后存放到桌面，文件名不用动
打开CMD 输入

1. cd Desktop

复制代码

回车 然后再输入：

1. pip install 文件名

复制代码

把文件名替换成 你刚刚下载的 whl 完整文件名(注意要带上后缀)

明月小仙

Twilight6 发表于 2020-5-21 23:17
https://pypi.org/project/torch/#files
官网下载 whl 文件 然后存放到桌面，文件名不用动
打开CMD 输入 ...

感谢，下载过程中进度条完全不动正常吗？几分钟了仍然是700K

Twilight6

明月小仙 发表于 2020-5-21 23:25
感谢，下载过程中进度条完全不动正常吗？几分钟了仍然是700K

https://pypi.tuna.tsinghua.edu.cn/simple/torch/
那去这里下载