TimesFM 2.0: 시계열 예측을 위해 사전 학습된 Google 오픈 소스 모델

최신 AI 리소스7개월 전에 게시 됨 AI 공유 서클
2.1K 00

일반 소개

TimesFM 2.0 - 500M PyTorch는 Google Research에서 개발한 시계열 예측을 위해 설계된 사전 학습된 시계열 기본 모델입니다. 이 모델은 최대 2048개 시점의 컨텍스트 길이를 처리할 수 있으며 임의의 예측 범위를 지원합니다. TimesFM 2.0은 여러 주요 벤치마크에서 우수한 성능을 보이며 이전 모델에 비해 25%의 성능 향상을 보였으며, 사전 학습 후 보정되지는 않았지만 10개의 실험적 분위수 헤더도 제공합니다. 사용자는 허깅 페이스 플랫폼을 통해 시계열 예측을 위해 이 모델을 다운로드하여 사용할 수 있습니다.

이 모델은 소매 판매, 주식 움직임, 웹사이트 트래픽 예측 등과 같은 시나리오에서 사용할 수 있습니다. TimesFM 2.0은 GIFT-Eval 평가 목록에서 1위를 차지했으며, 자체 데이터로 미세 조정을 지원합니다. 최대 2048개 시점에 대한 단변량 시계열 예측을 수행하며, 예측 범위 길이에 따라 주파수 표시기를 선택할 수 있습니다.

TimesFM 2.0:谷歌开源进行时间序列预测的预训练模型

 

기능 목록

  • 시계열 예측최대 2048개 시점의 컨텍스트 길이와 임의의 예측 범위를 지원합니다.
  • 사분위수 예측실험용 사분위수 헤드 10개가 제공됩니다.
  • 모델링 미세 조정사용자 소유 데이터에 대한 모델 미세 조정을 지원합니다.
  • 제로 샘플 공변량 지원외부 회귀 변수를 사용한 제로 샘플 예측을 지원합니다.
  • 고성능25%의 성능 향상으로 여러 벤치마크에서 뛰어난 성능을 발휘합니다.

 

도움말 사용

설치 프로세스

  1. 종속성 설치::
    • 활용 pyenv 노래로 응답 poetry 로컬 설치를 수행합니다.
    • Python 버전이 3.10.x(JAX 버전의 경우) 또는 >=3.11.x(PyTorch 버전의 경우)인지 확인합니다.
    • 다음 명령을 실행하여 종속성을 설치합니다:
     pyenv install 3.11.x
    pyenv virtualenv 3.11.x timesfm-env
    pyenv activate timesfm-env
    poetry install
    
  2. 모델 다운로드::
    • 허깅 페이스 플랫폼을 방문하여 TimesFM 2.0 - 500M PyTorch 모델 체크포인트를 다운로드하세요.
    • 다음 명령을 사용하여 모델을 다운로드합니다: bash
      git clone https://huggingface.co/google/timesfm-2.0-500m-pytorch
      cd timesfm-2.0-500m-pytorch

사용 프로세스

  1. 모델 로드::
    • Python 환경에서 모델을 로드합니다:
     from transformers import TimesFMForTimeSeriesForecasting
    model = TimesFMForTimeSeriesForecasting.from_pretrained("google/timesfm-2.0-500m-pytorch")
    
  2. 예측 수행::
    • 입력 데이터를 준비하고 예측을 수행합니다:
     import torch
    input_data = torch.tensor([...])  # 替换为实际的时间序列数据
    predictions = model(input_data)
    
  3. 모델 미세 조정::
    • 자체 데이터를 사용하여 모델 미세 조정:
     from transformers import Trainer, TrainingArguments
    training_args = TrainingArguments(output_dir="./results", num_train_epochs=3, per_device_train_batch_size=4)
    trainer = Trainer(model=model, args=training_args, train_dataset=your_dataset)
    trainer.train()
    
  4. 외부 회귀 변수 사용::
    • 제로 샘플 공변량 예측을 지원합니다: python
      external_regressors = torch.tensor([...]) # 替换为实际的外部回归变量数据
      predictions = model(input_data, external_regressors=external_regressors)
© 저작권 정책
AiPPT

관련 게시물

댓글 없음

댓글에 참여하려면 로그인해야 합니다!
지금 로그인
없음
댓글 없음...