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.

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
- 종속성 설치::
- 활용
pyenv
노래로 응답poetry
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
- 활용
- 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
- 모델 로드::
- Python 환경에서 모델을 로드합니다:
from transformers import TimesFMForTimeSeriesForecasting model = TimesFMForTimeSeriesForecasting.from_pretrained("google/timesfm-2.0-500m-pytorch")
- 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)
- 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()
- 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)
- 제로 샘플 공변량 예측을 지원합니다:
© 저작권 정책
이 글은 저작권이 있으며 무단으로 복제해서는 안 됩니다.
관련 게시물
댓글 없음...