xz2000
341d8d179c
**日期**: 2025-07-18
**主题**: 统一训练页面UI显示并修复后端数据传递
### 问题描述
1. 在“按店铺训练”和“全局模型训练”页面的任务列表中，模型版本号前缺少 'v' 前缀，与“按品训练”页面不一致。
2. 在“全局模型训练”页面的任务列表中，“聚合方式”一列始终为空，无法显示数据。
### 根本原因
1. **UI层面**: `UI/src/views/StoreTrainingView.vue` 和 `UI/src/views/training/GlobalTrainingView.vue` 在渲染版本号时，没有像 `ProductTrainingView.vue` 一样添加 'v' 前缀的模板。
2. **后端层面**: `server/utils/training_process_manager.py` 中的 `TrainingTask` 数据类缺少 `aggregation_method` 字段，导致从任务提交到数据返回的整个流程中，该信息都丢失了。
### 解决方案
1. **修复前端UI**:
* **文件**: `UI/src/views/StoreTrainingView.vue`, `UI/src/views/training/GlobalTrainingView.vue`
* **操作**: 修改了 `el-table-column` for `version`，为其添加了 `<template>`，使用 `<el-tag>v{{ row.version }}</el-tag>` 来渲染版本号，确保了显示格式的统一。
2. **修复后端数据流**:
* **文件**: `server/utils/training_process_manager.py`
* **操作**:
1. 在 `TrainingTask` 数据类中增加了 `aggregation_method: Optional[str] = None` 字段。
2. 修改 `submit_task` 方法，使其在创建 `TrainingTask` 对象时能接收并设置 `aggregation_method`。
3. 修改 `run_training_task` 方法，在调用 `predictor.train_model` 时，将 `task.aggregation_method` 传递下去。
### 最终结果
通过前后端的协同修复，现在所有训练页面的UI表现完全一致，并且全局训练的“聚合方式”能够被正确记录和显示。
药店销售预测系统
这是一个基于多种深度学习模型的药店销售预测系统，支持多种时序预测模型，包括 Transformer、mLSTM、KAN 和 TCN。
功能特点
- 支持多种深度学习模型进行销量预测
- 提供命令行界面和API服务两种使用方式
- 支持模型训练、预测和评估
- 提供预测结果可视化和分析
- 支持模型比较和管理
项目结构
├── core/ # 核心模块
│ ├── __init__.py
│ ├── config.py # 全局配置参数
│ └── predictor.py # 核心预测器类
├── trainers/ # 模型训练器
│ ├── __init__.py
│ ├── mlstm_trainer.py # mLSTM模型训练函数
│ ├── kan_trainer.py # KAN模型训练函数
│ ├── tcn_trainer.py # TCN模型训练函数
│ └── transformer_trainer.py # Transformer模型训练函数
├── predictors/ # 预测模块
│ ├── __init__.py
│ └── model_predictor.py # 模型预测函数
├── analysis/ # 分析模块
│ ├── __init__.py
│ ├── metrics.py # 评估指标计算函数
│ ├── trend_analysis.py # 趋势分析函数
│ └── explanation.py # 预测解释函数
├── utils/ # 工具模块
│ ├── __init__.py
│ ├── data_utils.py # 数据处理工具函数
│ └── visualization.py # 可视化工具函数
├── models/ # 模型定义
│ ├── transformer_model.py
│ ├── mlstm_model.py
│ ├── kan_model.py
│ ├── tcn_model.py
│ └── optimized_kan_forecaster.py
├── pharmacy_predictor.py # 主接口文件
├── run_pharmacy_prediction.py # 命令行运行入口
├── api.py # API服务入口
└── pharmacy_sales.xlsx # 示例数据文件
支持的模型
- Transformer: 基于自注意力机制的时序预测模型
- mLSTM: 矩阵LSTM模型，结合了LSTM和Transformer的优点
- KAN: Kolmogorov-Arnold Network，一种基于柯尔莫哥洛夫-阿诺德定理的神经网络
- TCN: 时间卷积网络，使用因果卷积进行时序建模
- 优化版KAN: 经过优化的KAN模型，提高了预测精度和训练效率
使用方法
命令行界面
运行命令行界面：
python run_pharmacy_prediction.py
API服务
启动API服务：
python api.py
代码中使用
from pharmacy_predictor import PharmacyPredictor
# 创建预测器实例
predictor = PharmacyPredictor(data_path='pharmacy_sales.xlsx')
# 训练模型
metrics = predictor.train_model(product_id='P001', model_type='tcn', epochs=50)
# 使用模型预测
result = predictor.predict(product_id='P001', model_type='tcn', future_days=7, analyze_result=True)
依赖库
- PyTorch
- pandas
- numpy
- matplotlib
- scikit-learn
- Flask (用于API服务)
- pytorch-tcn (用于TCN模型)