# DQ_model_flow

**Repository Path**: power-prediction-algorithm-group/dq_model_flow

## Basic Information

- **Project Name**: DQ_model_flow
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-22
- **Last Updated**: 2026-05-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 标准化短期风电训练框架（Config 字典调用版）

这个版本默认采用 **Python Config 字典 + 脚本内置变量** 的调用方式，不再要求命令行传参。

## 1. 推荐使用方式

先修改：

```python
configs/swin3d_wind_ec1h.py
```

重点参数：

```python
RUN_MODE = "all"          # make_dataset / train / export / predict / all
CKPT_PATH = ""            # 手动导出 ONNX 时填写 pth 路径
ONNX_PATH = ""            # 手动推理时填写 onnx 路径
CONFIG = {...}             # 场站、数据、模型、训练、导出、推理参数
```

然后直接执行：

```bash
python main.py
```

## 2. 单步骤执行

不需要传任何命令行参数，直接执行对应脚本：

```bash
python scripts/make_dataset.py
python scripts/train_model.py
python scripts/export_onnx.py
python scripts/predict_range.py
```

其中 `export_onnx.py` 需要在脚本顶部设置：

```python
CKPT_PATH_LOCAL = "/data/.../checkpoints_best.pth"
```

`predict_range.py` 需要在脚本顶部设置：

```python
ONNX_PATH_LOCAL = "/data/.../checkpoints_best.onnx"
```

## 3. Python 函数式调用

也可以在 Notebook 或其他 Python 文件中直接调用：

```python
from main import run_pipeline
from configs.swin3d_wind_ec1h import CONFIG

CONFIG["training"]["num_epochs"] = 10
CONFIG["training"]["device"] = "cuda:1"

run_pipeline(CONFIG, mode="train")
```

或者只生成数据：

```python
from scripts.make_dataset import main
from configs.swin3d_wind_ec1h import CONFIG

CONFIG["data"]["train_start"] = "2025-01-01 08:00:00"
CONFIG["data"]["train_end"] = "2026-01-01 08:00:00"
main(CONFIG)
```

## 4. 设计思路

- `configs/swin3d_wind_ec1h.py`：所有可变参数集中在 Python 字典中，支持注释和临时修改。
- `src/configs.py`：提供 `PipelineConfig.from_dict()`，把字典转换成结构化 dataclass。
- `main.py`：总流程入口，通过 `RUN_MODE` 控制数据制作、训练、导出、推理。
- `scripts/`：单步骤入口，适合服务器上 screen/nohup/crontab 分步执行。
- `src/abstracts.py`：抽象基类，后续可继续扩展 ConvNeXt、ResNet3D、XGB、LightGBM 等模型。

## 5. 与原命令行版本的差异

旧方式：

```bash
python main.py --config configs/swin3d_wind_ec1h.json --mode train
```

新方式：

```python
# configs/swin3d_wind_ec1h.py
RUN_MODE = "train"
```

```bash
python main.py
```

这种方式更适合生产脚本风格：路径、场站、训练参数都固化在脚本中，避免每次运行手动传参。