预测模型：时空预测模型PyTorch复现 models 文件夹 在 models 目录中，每一个文件夹存储一个结构的完整模型代码，复现参照了论文中的公式、图示以及 GitHub 作者实现的代码（如果有的话） 这些模型均假定输入的 Tensor 的 shape 为 (batch, sequence, channel, height, width) 这里的目的是为了学习，尽可能内聚成一个个小的 Module 再组合的，应该效率很差 util 文件夹 patch 针对大尺寸数据进行 patch 分割的方法，不过这里要根据实际情况修改下，这里是针对五维数据的，如果针对四维，则参照逻辑修改下即可 TrainingTemplate 和 TestingTemplate 我自己写的训练过程的模板类，一般继承重写一些方法即可 content_tree 包含生成目录树的方法

概述 自我时空ConvLSTM用于时空预测 SaConvSTLM在此描述的 在MovingMNIST 上MovingMNIST测试 项目结构 load_data.py 包含用于下载数据集，对数据集进行预处理和保存预测图片到文件夹的实用函数 ConvSTLM_main.py 使用· tensorflow.keras.layers.ConvLSTM2D的网络模型及其训练测试 SaConvSTLM.py 基于tensorflow实现了单元SaConvLSTM2DCell和层SaConvLSTM2D ，层SaConvLSTM2D可以直接作为模型中的一个层 SaConvSTLM_main.py 使用自定义的SaConvLSTM层SaConvLSTM的网络模型及其在MovingMNIST上的训练测试 模型结构 SaConvLSTM结构 描述 整体格局 自我注意记忆模块

包括BMEGUI3.0.1的7个练习的数据和操作说明，指导如何使用硬数据和软数据实现要素的时空预测分析