timesfm-1.0-200m
קוד פתוחgoogleapache-2.02024-05-03
מודל של גוגל לחיזוי סדרות עתיות שמגיע מאומן מראש ומוכן לעבודה. הוא נותן חיזוי נקודתי מהיר בלי שתצטרכו לאמן מודל ייעודי מאפס לכל דאטה סט.
- 777 MBמשקל הקבצים
- 600הורדות בחודש
- 837לייקים
מה זה
מדובר במודל מבוסס ארכיטקטורת דקודר בלבד עם 200 מיליון פרמטרים, שפותח במעבדות המחקר של גוגל ומיועד לחיזוי חד משתני של סדרות עתיות. במקום לבנות ולאמן מודל סטטיסטי או רשת ייעודית לכל בעיה, מקבלים כאן מודל בסיס שיודע לקלוט היסטוריה של עד 512 נקודות זמן ולהפיק תחזית קדימה לטווח שאתם מגדירים.
הוא מתבסס על חלוקה למקטעים של 32 נקודות קלט ומוציא מקטעי תחזית של 128 נקודות, כשהוא מקבל אינדיקטור פשוט של תדירות המידע. התדירות מחולקת לשלוש רמות: גבוהה לנתונים יומיים או תוך יומיים, בינונית לשבועי ומודרך, ונמוכה לרבעוני ושנתי. הקוד יודע לעבוד ישירות מול מערכים של נאמפיי או טבלאות פנדס, כך שקל להזין לו נתונים קיימים בלי לכתוב צינורות עיבוד מורכבים.
מתאים ל
- חיזוי עומסים יומיים
מתאים לחיזוי מדדים של שרתים או פניות שירות בהיקף יומי ותוך יומי, כשיש היסטוריה רציפה של עד 512 נקודות.
- תכנון מלאי חודשי
ניתוח מגמות מכירה חודשיות או שבועיות ברמת מוצר בודד, בעבודה ישירה מול טבלאות נתונים קיימות.
- חיזוי צריכה עונתית
הערכת ביקושים לתשתיות או אנרגיה על פני טווחים ארוכים, כשהתחזית דורשת הפקה נקודתית מהירה על גבי מעבד רגיל.
איפה זה נופל
המודל מתמודד אך ורק עם סדרות חד משתניות, כלומר ערך בודד על פני ציר הזמן, בלי יכולת לשלב משתנים חיצוניים שמשפיעים על התחזית. בנוסף, הוא מפיק חיזוי נקודתי בלבד. יש בו ראשי חיזוי הסתברותיים נסיוניים, אבל גוגל מצהירים במפורש שהם לא עברו כיול אחרי האימון ולכן לא הייתי בונה עליהם להערכת סיכונים.
הקלט חייב להיות רציף לחלוטין בלי חורים או נקודות חסרות ברצף הזמן, ותדירות הדגימה של ההיסטוריה חייבת להיות זהה בדיוק לתדירות של התחזית. גוגל גם מדגישים שזה אינו מוצר רשמי שנתמך על ידם, אלא פרויקט מחקר.
שאלות
נפוצות
האם אני יכול להריץ את המודל מקומית על מחשב מק עם מעבד M1 או M2?
כרגע לא. הקוד נשען על ספריית lingvo שאינה תומכת בארכיטקטורת ARM, ולכן ההרצה על אפל סיליקון תיכשל. תצטרכו להריץ אותו על שרת לינוקס מבוסס x86.
האם המודל יודע להחזיר טווח ביטחון ולא רק מספר בודד?
באופן עקרוני קיימים במודל ראשים נסיוניים לקוונטילים, אך המפתחים מצהירים שהם לא כוילו. אם המוצר שלכם דורש תחזית הסתברותית מדויקת, המודל הזה כרגע לא מתאים לכך ומספק בעיקר חיזוי נקודתי.
האם אפשר לתת למודל סדרה עם ערכים חסרים?
לא, המודל מחייב שההיסטוריה תהיה רציפה לגמרי. אם יש לכם פערי זמן או דגימות חסרות, תצטרכו להשלים אותן או לנקות את הנתונים בעצמכם לפני שאתם מעבירים אותם לפונקציית החיזוי.
איך מריצים
המודל שוקל 777 מגה בייט בלבד בחמישה קבצים, כך שכל מעבד גרפי פשוט ואפילו מעבד מרכזי סביר יכולים להריץ אותו בלי לחשוב פעמיים על משאבים. ההרצה נעשית דרך ספריית פייתון ייעודית בשם timesfm, שם מגדירים את אורך ההקשר ואורך התחזית הרצוי.
יש פה נקודה חשובה: התלות בחבילת lingvo מונעת כרגע הרצה על מעבדי ARM, כולל מחשבי אפל סיליקון. אם אתם מפתחים על מק, תצטרכו להריץ את זה בסביבת לינוקס, במכונה מרוחקת או לחכות לעדכון של גוגל.
pip install -U huggingface_hub hf download google/timesfm-1.0-200m
הקבצים
5 קבצים במאגר, 777 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הקוד והמשקלים שוחררו תחת רישיון אפאצ'י 2.0. הרישיון הזה מתיר שימוש מסחרי מלא, שינוי והפצה של המודל כחלק ממוצר שלכם, כל עוד שומרים על הודעת זכויות היוצרים ומצרפים עותק של הרישיון המקורי.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים