简单地基于lightning重构了框架，适配了原框架的大部分命令和配置。建议作为一个使用lightning替换后端的分支的起点。

基本说明

简单运行（训练+校验+测试）：

python run.py --config=examples/lightning_config.yaml fit

仅测试（需要替换CKPT_PATH，如fit后保存的模型examples\lightning_logs\PEMS08\best.ckpt）：

python run.py --config=examples/lightning_config.yaml test --ckpt_path {CKPT_PATH}

查看训练日志

tensorboard --logdir .\examples\lightning_logs

主要重构部分

• .gitignore：增加 .ckpt 文件。
• basicts/data/tsf_datamodule.py：使用 LightningDataModule 包装数据集和加载器。
• basicts/model.py：主要类依赖和逻辑的重构。在 LightningModule 的子类 BasicTimeSeriesForecastingModule中实现有关推理（train/validation/step/predict）和数据处理（如 Scaler、前/后处理等）的部分功能，相当于将原框架中 Runner和Model的组合关系变成 BasicTimeSeriesForecastingModule和Model的继承关系，具体的训练过程（如早停、梯度裁剪、ckpt保存等）交由 lightning.Trainer 进行控制。
• examples/arch.py：MLP 示例模型，主要修改了 __init__ 方法、将优化器的定义下放到模型代码中。
• examples/lightning_config.yaml：lightning 支持的配置文件示例。
• requirements.txt：增加了 lightning 相关依赖。
• run.py：项目通用入口文件，模型/数据集的选择 、超参数的设置全部由具体配置文件、模型代码管理。

需要完成的后续工作

• 适配 baseline
• 适配测试代码
• 更新文档
• 移除依赖 easytorch 的旧版本框架代码
• 进一步重构框架，使其更加符合 lightning 的风格
• 其他的一些测试、适配以及 BUG 修复