针对复现问题：

从你测试结果来看，还没比过HA的性能，可能问题有以下几点：

1. --dataset 输入不对，没有用*隔开数据集，导致没有数据参与训练
2. file_load_path 中FewRatio小于1，理应为1

使用新数据：

网格划分大小没有严格要求，一个城市大概有几百个网格应该都是可以的。如果部分网格无数据，可以用mask的方式，attention计算不关注mask网格，计算loss不考虑mask网格。

针对复现问题：

从你测试结果来看，还没比过HA的性能，可能问题有以下几点：

1. --dataset 输入不对，没有用*隔开数据集，导致没有数据参与训练
2. file_load_path 中FewRatio小于1，理应为1

使用新数据：

网格划分大小没有严格要求，一个城市大概有几百个网格应该都是可以的。如果部分网格无数据，可以用mask的方式，attention计算不关注mask网格，计算loss不考虑mask网格。

感谢！第一个问题我把FewRatio改为1再重新训练下。
另外还有个数据集的问题，看了下论文里的数据集说明，TrafficJN这个数据集是五分钟收集一次，但是我看咱们给的json里面timestamp好像time of day最大是47，是所有数据集都要处理成半小时一次的数据么？

还有一个问题：Periodical Data的生成可以举个例子么，看README里面介绍的是有一个维度是Number of past days corresponding to the time of day，然后看了下Json数据里面这个数都是3，意思是取当前时间过去3天相同时刻的数据么？

@kakaroy123 Hi, did you eventually manage to replicate the results?

@kakaroy123 Hi, did you eventually manage to replicate the results?

嗯 基本复现了 感谢！

@kakaroy123 Hi, did you eventually manage to replicate the results?

嗯 基本复现了 感谢！

Could you please share some insights about what you did to make it work? Because I also got some results that are worse than HA.

#14

针对复现问题：

从你测试结果来看，还没比过HA的性能，可能问题有以下几点：

1. --dataset 输入不对，没有用*隔开数据集，导致没有数据参与训练
2. file_load_path 中FewRatio小于1，理应为1

使用新数据：

网格划分大小没有严格要求，一个城市大概有几百个网格应该都是可以的。如果部分网格无数据，可以用mask的方式，attention计算不关注mask网格，计算loss不考虑mask网格。

作者您好！关于无效数据加mask的方式还想请教一下，看了下代码，在Embedding后数据维度和数值都发生变化，无效数据的位置好像找不到在哪里了，怎么加mask呢？

针对复现问题：

从你测试结果来看，还没比过HA的性能，可能问题有以下几点：

1. --dataset 输入不对，没有用*隔开数据集，导致没有数据参与训练
2. file_load_path 中FewRatio小于1，理应为1

使用新数据：

网格划分大小没有严格要求，一个城市大概有几百个网格应该都是可以的。如果部分网格无数据，可以用mask的方式，attention计算不关注mask网格，计算loss不考虑mask网格。

作者您好！关于无效数据加mask的方式还想请教一下，看了下代码，在Embedding后数据维度和数值都发生变化，无效数据的位置好像找不到在哪里了，怎么加mask呢？

您好，无效数据是指什么意思？

针对复现问题：

从你测试结果来看，还没比过HA的性能，可能问题有以下几点：

1. --dataset 输入不对，没有用*隔开数据集，导致没有数据参与训练
2. file_load_path 中FewRatio小于1，理应为1

使用新数据：

网格划分大小没有严格要求，一个城市大概有几百个网格应该都是可以的。如果部分网格无数据，可以用mask的方式，attention计算不关注mask网格，计算loss不考虑mask网格。

作者您好！关于无效数据加mask的方式还想请教一下，看了下代码，在Embedding后数据维度和数值都发生变化，无效数据的位置好像找不到在哪里了，怎么加mask呢？

您好，无效数据是指什么意思？

网格里一些无法获取真实数据而用0填充的数据。