CocoaPods根据pod的使用原理，当使用podinstall安装库时，会在索引仓库中搜对应的库，搜到后，根据索引仓中的spec文件中的信息，去对应的git仓库中拉取相应的代码。基于此，我们添加一个私有索引仓即可。官方文档：构建私有pod本文记录创建私有仓的方法，以及提交一个测试项目到私有仓，再通过pod的方式加载测试项目的步骤。一、构建远程私有库我们需要准备两个空的远程仓库，一个作为私有索引库作为全部spec的存放仓库即索引库，另一个为模拟要发布的私有组件仓库。第一步：创建私有组件库项目这一步是通过pod自带的cli命令创建项目，该项目中会将需要发布的代码以本地pod的方式引入，并同时创
CocoaPods根据pod的使用原理，当使用podinstall安装库时，会在索引仓库中搜对应的库，搜到后，根据索引仓中的spec文件中的信息，去对应的git仓库中拉取相应的代码。基于此，我们添加一个私有索引仓即可。官方文档：构建私有pod本文记录创建私有仓的方法，以及提交一个测试项目到私有仓，再通过pod的方式加载测试项目的步骤。一、构建远程私有库我们需要准备两个空的远程仓库，一个作为私有索引库作为全部spec的存放仓库即索引库，另一个为模拟要发布的私有组件仓库。第一步：创建私有组件库项目这一步是通过pod自带的cli命令创建项目，该项目中会将需要发布的代码以本地pod的方式引入，并同时创
摘要多步（尺度）预测通常包含一个复杂的输入组合——包括静态（即时不变）协变量、已知的未来输入，以及其他仅在过去观察到的外生时间序列——没有任何关于它们如何与目标相互作用的先验信息。几种深度学习方法已经被提出，但它们通常是“黑盒”模型，并不能阐明它们如何使用实际场景中出现的全部输入。在本文中，我们介绍了时间融合变压器(TFT)——一种新的基于注意的架构，它结合了高性能的多步预测和对时间动态的可解释的洞察力。为了学习不同尺度上的时间关系，TFT使用循环层进行局部处理，并使用可解释的自我注意层进行长期依赖。TFT利用专门的组件来选择相关的特性和一系列的门控层来抑制不必要的组件，从而在广泛的场景中实现
摘要多步（尺度）预测通常包含一个复杂的输入组合——包括静态（即时不变）协变量、已知的未来输入，以及其他仅在过去观察到的外生时间序列——没有任何关于它们如何与目标相互作用的先验信息。几种深度学习方法已经被提出，但它们通常是“黑盒”模型，并不能阐明它们如何使用实际场景中出现的全部输入。在本文中，我们介绍了时间融合变压器(TFT)——一种新的基于注意的架构，它结合了高性能的多步预测和对时间动态的可解释的洞察力。为了学习不同尺度上的时间关系，TFT使用循环层进行局部处理，并使用可解释的自我注意层进行长期依赖。TFT利用专门的组件来选择相关的特性和一系列的门控层来抑制不必要的组件，从而在广泛的场景中实现
