Toto-Open-Base-1.0
קוד פתוחDatadogapache-2.02025-04-30
יש כאן גם סקירה על Datadog עצמו.
מודל חיזוי סדרות עתיות שנבנה למדדי אובסרבביליטי מרובי משתנים. הוא מתאים למי שרוצה תחזיות מדויקות לשרתים ולתשתיות בלי לאמן מודל מאפס.
- 151Mפרמטרים
- 578 MBמשקל הקבצים
- 82,889הורדות בחודש
- 142לייקים
מה זה
דאטהדוג בנו כאן מודל ייעודי לחיזוי מדדי ביצועים ותשתיות, תחום שבו נתונים נוטים להיות דלילים, רועשים ולא יציבים. להבדיל ממודלים שמתמקדים במשתנה בודד, הוא מטפל בכמה מדדים במקביל דרך מנגנון קשב מפוצל של זמן ומרחב. הארכיטקטורה מבוססת מפענח בלבד, ומספקת חיזוי נקודתי לצד הערכת אי ודאות באמצעות מודל תערובת סטודנט טי.
האימון נעשה על יותר משני טריליון נקודות נתונים, כולל מאגרים ציבוריים כמו כרונוס וגיפט איוול, דאטה סינתטי וטריליון נקודות ממערכות פנימיות של דאטהדוג עצמה. במבחני הביצועים של גיפט איוול ובום הוא דורג במקום הראשון מול מודלים מתחרים. זה אומר שהוא מבין דפוסי התנהגות של שרתים ורשתות טוב יותר ממודלים גנריים של סדרות זמן באותו סדר גודל.
מתאים ל
- חיזוי עומסי שרתים ותשתיות
הוא אומן על מדדי מערכת פנימיים ומזהה עליות עומס צפויות במעבד או בזיכרון.
- זיהוי חריגות במדדי רשת
הערכת אי הוודאות המובנית מאפשרת להגדיר ספי התראה גמישים לפי טווח החיזוי.
- חיזוי רב משתני למיקרו שירותים
הוא מנתח כמה מדדים במקביל ורואה את ההשפעה ההדדית של זמני תגובה ושגיאות.
איפה זה נופל
המודל מפיק תחזית נקודתית על ידי לקיחת חציון מתוך 256 דגימות, מה שדורש כוח חישוב בזמן היסק לעומת מודלים שפולטים ישירות מספר בודד. בנוסף, כשליש מנתוני האימון שלו היו סינתטיים והשאר הגיעו בעיקר מסביבות ניטור שרתים. אם תנסו להריץ אותו על סדרות עתיות מתחומים רחוקים כמו מסחר פיננסי או התנהגות צרכנים, הוא עלול לאבד מהדיוק שלו.
שאלות
נפוצות
האם צריך לאמן את המודל על הנתונים שלי לפני השימוש?
לא. המודל מיועד לעבודה ישירה ללא אימון נוסף. אתם מעבירים לו את היסטוריית המדדים שלכם והוא מייצר תחזית מיד.
איך מחשבים תחזית מדויקת בפועל?
דאטהדוג ממליצים להפיק 256 דגימות ולקחת מתוכן את החציון, במקום ממוצע, כדי לקבל נקודת חיזוי יציבה שמנטרלת חריגות.
איך מריצים
עם 151 מיליון פרמטרים ומשקל קבצים של 578 מגה בייט, זה מודל קל מאוד להרצה מקומית. לא צריך אשכול שרתים, כל כרטיס מסך בסיסי או מעבד מודרני בשרת ענן זול יחזיקו אותו בזיכרון בלי בעיה. ההתקנה דורשת את חבילת toto-ts, וכדי להוציא ממנו ביצועים מהירים מומלץ להוסיף xFormers ופלאש אטנשן.
אין סיבה לשלם ל־API חיצוני על מודל בגודל כזה. שווה להריץ אותו ישירות בתוך התשתית שלכם כדי לחסוך עלויות תקשורת ולמנוע זמני שיהוי של שליחת נתוני ניטור החוצה.
from transformers import pipeline
pipe = pipeline("time-series-forecasting", model="Datadog/Toto-Open-Base-1.0")
print(pipe("שלום"))הקבצים
6 קבצים במאגר, 578 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
רישיון אפאצ'י 2.0 מלא. אפשר להשתמש בו לצרכים מסחריים, לשנות את הקוד ולהטמיע אותו במוצרים פנימיים או חיצוניים, בתנאי ששומרים על הודעת זכויות היוצרים ומצהירים על שינויים שבוצעו.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים