# Utilitaires pour les séries temporelles

Cette page répertorie toutes les fonctions utilitaires et classes qui peuvent être utilisées pour les modèles basés sur les séries temporelles.

La plupart de ces éléments ne sont utiles que si vous étudiez le code des modèles de séries temporelles ou si vous souhaitez ajouter à la collection de classes de sortie distributionnelles.

## Sortie distributionnelle[[transformers.time_series_utils.NormalOutput]]

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

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

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

Classe de sortie de distribution normale.

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

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

Une valeur factice pour un chemin pointé (par ex. `torch.float32`) : les chaînes d'accès aux attributs et les appels se comportent comme des décorateurs de pass-through, `repr` est le chemin pointé, et son utilisation comme classe de base substitue une base de `type` ordinaire (PEP 560 `__mro_entries__`), de sorte que les vraies sous-classes conservent un métaclasse normal et que `inspect.signature` lit leur `__init__` réel plutôt que celui d'une valeur factice.

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

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

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

Classe de sortie de la distribution de Student-T.

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

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

Une valeur factice pour un chemin pointé (par ex. `torch.float32`) : les chaînes d'accès aux attributs et les appels se comportent comme des décorateurs de pass-through, `repr` est le chemin pointé, et son utilisation comme classe de base substitue une base de `type` ordinaire (PEP 560 `__mro_entries__`), de sorte que les vraies sous-classes conservent un métaclasse normal et que `inspect.signature` lit leur `__init__` réel plutôt que celui d'une valeur factice.

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

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

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

Classe de sortie de la distribution binomiale négative.

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

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

Une valeur factice pour un chemin pointé (par ex. `torch.float32`) : les chaînes d'accès aux attributs et les appels se comportent comme des décorateurs de pass-through, `repr` est le chemin pointé, et son utilisation comme classe de base substitue une base de `type` ordinaire (PEP 560 `__mro_entries__`), de sorte que les vraies sous-classes conservent un métaclasse normal et que `inspect.signature` lit leur `__init__` réel plutôt que celui d'une valeur factice.