2201_75931031: 你好，在导入命名空间Agilent.SignalStudio.N7617的时候出现报错no module named Agilent，该怎么解决

Flame♡: 博主，在 [code=python] #### Step 3 差分转平稳 def stationarity(timeseries): #平稳性处理（timeseries 时间序列） ## 差分法,保存成新的列 diff1 = timeseries.diff(1).dropna() # 1阶差分 dropna() 删除缺失值 diff2 = diff1.diff(1) #在一阶差分基础上再做一次一阶差分，即二阶查分 ## 画图 #diff1.plot(color = 'red',title='diff 1',figsize=(10,4)) #diff2.plot(color = 'black',title='diff 2',figsize=(10,4)) ## 平滑法 rollmean = timeseries.rolling(window=4,center = False).mean() ## 滚动平均 rollstd = timeseries.rolling(window=4,center = False).std() ## 滚动标准差 ## 画图 #rollmean.plot(color = 'yellow',title='Rolling Mean',figsize=(10,4)) #rollstd.plot(color = 'blue',title='Rolling Std',figsize=(10,4)) return diff1,diff2,rollmean,rollstd [/code] 这个处理后，除了diff1，diff2，rollmean，rollstd的开头元素都是nan呀？我在主程序里强制不用diff1，在用diff2做平滑检验的时候就会报错，这个该怎么解决呢？

sabrinatxy: 请问chartevent中 Compression device # 1这个项目是什么意思啊

只是橘色仍温柔: 输出时batch和seqlength有颠倒，其他例子都很好，谢谢up

只是橘色仍温柔: 第一个例子numlayers输出有问题。正确程序如下 import torch.nn as nn import torch #只定义了input,h0和c0没有定义 # 这里是10个句子,每个句子24个单词,每个单词100维度 x = torch.rand(24,10,100) # 输入100维度,输出16维度 lstm = nn.LSTM(100,16,num_layers=2) #output ：（seq_len, batch, num_directions * hidden_size） #h_n：(num_layers * num_directions, batch, hidden_size) #c_n ：（num_layers * num_directions, batch, hidden_size） output,(h,c) = lstm(x) print(output.size()) print(h.size()) print(c.size()) # output: torch.Size([24, 10, 16]) torch.Size([2, 10, 16]) torch.Size([2, 10, 16])