论文代码 MTS Anomaly Detection and Interpretation using Hierarchical Inter-Metric and Temporal Embeddin

下载包用清华镜像：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

每个论文的代码都要创建一个新的环境，
为Interfusion建的环境是 pytorch_gpu。

调试中遇到的坑：
1、tensorflow import错误—装了个2.0.0版本；
2、protobuf错误–按照提示换成3.19.0版本；
3、ModuleNotFoundError: No module named ‘tfsnippet‘–因为没有安装以下requirement.txt要求的
git+https://github.com/thu-ml/zhusuan.git@48c0f4e
git+https://github.com/haowen-xu/tfsnippet.git@v0.2.0-alpha4
git+https://github.com/haowen-xu/ml-essentials.git

进入这几个网址可以看到，ZhuSuan是一个用于贝叶斯深度学习的 Python 概率编程库，它结合了贝叶斯方法和深度学习的互补优势。ZhuSuan 建立在 TensorFlow之上。与现有的主要为确定性神经网络和监督任务设计的深度学习库不同，ZhuSuan 提供了深度学习风格的原语和算法，用于构建概率模型和应用贝叶斯推理； TFSnippet 是一组用于编写和测试 TensorFlow 模型的实用程序。TFSnippet 的设计理念是不干涉。它旨在提供一组有用的实用程序，可以与任何其他 TensorFlow 库和框架一起使用； ml-essentials是一套用于日常机器学习实验的基本工具包。

运行第一个git报错

按照提示换命令行

前两个成功，第三个报错；
观察到前两个下载的文件都在interfusion文件夹下自动创建了文件夹，所以直接把第三个包从github上下载下来，然后粘贴到服务器上

但是还是报错No module named ‘tfsnippet’，是因为应该把这几个文件夹放到和stack_train.py文件的同目录下

换了路径，又报了其他错

pip install安装不成功，要conda install（感谢邻桌小姐姐）

pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器的支持，pip也不会去支持python语言之外的依赖项。

conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。然后，conda安装的都是编译好的二进制包，不需要你自己编译。所以，pip有时候系统环境没有某个编译器可能会失败，conda不会。这导致了conda装东西的体积一般比较大，尤其是mkl这种，动不动几百兆甚至一G多。

然后，conda功能其实比pip更多。pip几乎就是个安装包的软件，conda是个环境管理的工具。conda自己可以用来创建环境，pip不能，需要依赖virtualenv之类的。意味着你能用conda安装python解释器，pip不行。这一点我觉得是conda很有优势的地方，用conda env可以很轻松地管理很多个版本的python，pip不行。

之后，多次运行stack_train文件，根据报错缺少的模块，不断conda install 包。

安装yaml包的时候conda install yaml之后，还是报错说没有这个模块，原来是要安装pyyaml才行，

报错


注意到频频报错是因为上面安装的三个大组件里有依赖包没有装
直接用txt文件装

用清华镜像链接pip install瞬间快了好多


安装过程出现了一个错误隐患，先不管。
requirements-docs要求安装tensorflow == 1.5.0，没有这么低的版本，于是装了个1.13.1.

终于不报缺少上面三个包里的模块的错了


但还是有错。查找文件是从stack_train.py这个文件所在的文件夹出发的，所以找不到algorithm，直接在代码里改一下import的路径。

mltk有两层找不到，把里层的mltk拎出来，复制到和代码同路径

找不到explib

添加相对路径到系统变量中，就可以找到了。其实上面那个algorithm的问题也可以这样解决。
这个链接有import的详细用法 https://www.jianshu.com/p/5a02285bb111

终于跑起来啦！

CTRL+Z暂停程序，然后挂到后台运行

win10 pycharm版本：
因为我的python是3.9的，有个包装不上；

在win10的pycharm中配置运行此程序。

把下载的三个包内层同名文件夹复制到和algorithm文件夹同级的文件夹中。

安装tensorflow包

但是转了半天安装不上，于是百度得知



pycharm运行tensorflow代码依然报错

报错原因：

所用到的python解释器和我们当前PyCharm所用的python解释器不一致.
解决方案: 将PyCharm的解释器更改为TensorFlow下的python解释器即可。

查看Python路径：
先查看当前pycharm的解释器（pyhton3.9）所在的路径，因为都是conda安装的，应该都是在anaconda的安装目录下，而本次安装的python3.6又是在虚拟环境tensorflow中的。


把解释器换成这个路径。创建虚拟环境，上面是个保存虚拟环境的空目录，下面是tensorflow-python3.6.2的路径。

创建成功后确保现在用的是这个环境。

还是报错，找不到numpy和tensorflow包，直接点击加号安装包。同样地，依次安装其他包。

总结：原来的python3.9和tensorflow不兼容，所以在anaconda3中额外创建了一个使用python3.6的tensorflow环境，加载这个路径可以提供python解释器。而在具体到某个代码项目的时候，又创建了一个…/InterFusion-main/env存储这个项目的虚拟环境，其中需要的所有的包可以通过加号安装，那么同理如果运行其他tensorflow项目，可以再创建一个新环境，解释器还选这个，环境保存在一个新的空目录里，需要什么包同样可以加号添加到对应的虚拟环境里。

报错：提示需要cuda，需要gpu。尝试安装tensorflow-gpu。

安装失败