# Utilitários para séries temporais

Esta página lista todas as funções e classes utilitárias que podem ser usadas para modelos baseados em Séries Temporais.

A maioria delas só é útil se você estiver estudando o código dos modelos de séries temporais ou se desejar adicionar à coleção de classes de saída distribucional.

## Saída Distribucional[[transformers.time_series_utils.NormalOutput]]

#### transformers.time_series_utils.NormalOutput[[transformers.time_series_utils.NormalOutput]]

```python
transformers.time_series_utils.NormalOutput(dim: int = 1)
```

[Origem](https://github.com/huggingface/transformers/blob/main/src/transformers/time_series_utils.py#L179)

Classe de saída de distribuição normal.

#### Normal[[transformers.time_series_utils.NormalOutput.distribution_class]]

```python
Normal(*args, **kwargs)
```

Um valor simulado para um caminho pontilhado (por exemplo, `torch.float32`): as cadeias de acesso a atributos e as chamadas se comportam como decoradores de passagem, o `repr` é o caminho pontilhado, e o uso como classe base substitui uma base de `type` simples (PEP 560 `__mro_entries__`), de modo que as subclasses reais mantêm um metaclass normal e o `inspect.signature` lê o `__init__` real delas, em vez do de um mock.

#### transformers.time_series_utils.StudentTOutput[[transformers.time_series_utils.StudentTOutput]]

```python
transformers.time_series_utils.StudentTOutput(dim: int = 1)
```

[Origem](https://github.com/huggingface/transformers/blob/main/src/transformers/time_series_utils.py#L164)

Classe de saída da distribuição de Student-T.

#### StudentT[[transformers.time_series_utils.StudentTOutput.distribution_class]]

```python
StudentT(*args, **kwargs)
```

Um valor simulado para um caminho pontilhado (por exemplo, `torch.float32`): as cadeias de acesso a atributos e as chamadas se comportam como decoradores de passagem, o `repr` é o caminho pontilhado, e o uso como classe base substitui uma base de `type` simples (PEP 560 `__mro_entries__`), de modo que as subclasses reais mantêm um metaclass normal e o `inspect.signature` lê o `__init__` real delas, em vez do de um mock.

#### transformers.time_series_utils.NegativeBinomialOutput[[transformers.time_series_utils.NegativeBinomialOutput]]

```python
transformers.time_series_utils.NegativeBinomialOutput(dim: int = 1)
```

[Origem](https://github.com/huggingface/transformers/blob/main/src/transformers/time_series_utils.py#L193)

Classe de saída da distribuição binomial negativa.

#### NegativeBinomial[[transformers.time_series_utils.NegativeBinomialOutput.distribution_class]]

```python
NegativeBinomial(*args, **kwargs)
```

Um valor simulado para um caminho pontilhado (por exemplo, `torch.float32`): as cadeias de acesso a atributos e as chamadas se comportam como decoradores de passagem, o `repr` é o caminho pontilhado, e o uso como classe base substitui uma base de `type` simples (PEP 560 `__mro_entries__`), de modo que as subclasses reais mantêm uma metaclass normal e o `inspect.signature` lê o `__init__` real delas, em vez do de um mock.