我是一名新的pytorch用户，对Tensorflow/Keras有一定的体验。pytorch的例子非常棒。我在需求预测实验室使用了时间融合变换(https://pytorch-forecasting.readthedocs.io/en/latest/tutorials/stallion.html)。
所有这些都很有意义，但还没有弄清楚如何将笔记本第20节中的预测值保存到numpy数组中。
第20节，*new_raw_predictions, new_x = best_tft.predict(new_prediction_data, mode="raw", return_x=True)*
我看到张量中的值，打印(new_raw_predictions(，像这样--*{"预测"：张量([[3.4951e+00，1.7341e+01，2.7446e+01…，6.3175e+01，9.0240e+01、1.2589e+02]，[1.1998e+01,2.3643e+01,3.3291e+01，…，6.6374e+01，9.1148e+01，1.3173e+02]，
我在这里看到过一些类似的问题，但似乎都不起作用。所有的尝试都会导致类似的错误，所以我错过了pytorch和输出张量的一些基本内容；我总是得到"AttributeError:"dict"对象没有属性new_raw_predictions">
尝试的几个例子：*new_raw_predictions.cpu().numpy() new_raw_predictions.detach().cpu().numpy() new_raw_predictions.numpy()*
目标是保存预测的输出，这样我就可以比较对模型的更改。提前感谢！
这完全取决于您如何创建模型，因为pytorch可以根据您的指定返回值。在您的情况下，它看起来像是返回了一个字典，其中"预测"是一个关键字。您可以使用上面提供的命令转换为numpy，但有一个更改：
preds = new_raw_predictions['prediction'].detach().cpu().numpy()
当然，如果它不在GPU上，你就不需要使用.detach().cpu()，只需要.numpy()