timesfm-2.5-200m-transformers
קוד פתוחgoogleapache-2.02026-02-19
מודל ייעודי לחיזוי סדרות עתיות שמגיע ישירות לתוך transformers. הוא שוקל פחות מג'יגה ומספק תחזיות נקודתיות וחלוקות לפי קוונטילים בלי להסתבך עם ספריות חיצוניות.
- 231Mפרמטרים
- 16,384טוקנים בהקשר
- 882 MBמשקל הקבצים
- 62,560הורדות בחודש
מה זה
גוגל לקחו כאן ארכיטקטורת decoder-only שמוכרת מעולמות הטקסט והתאימו אותה ישירות לנתונים מספריים רציפים לאורך זמן. במקום טוקנים של מילים, הוא עובד עם חלוקה למקטעים של סדרות עתיות כדי ללמוד דפוסים ומגמות. ההבדל המרכזי בגרסה הזו הוא התאימות המלאה לספריית transformers הרגילה, בלי צורך בקוד מיוחד או עטיפות מורכבות.
המודל מפיק שני דברים במקביל: ממוצע תחזית פשוט ותחזית מלאה לפי קוונטילים. המשמעות היא שאתם מקבלים לא רק מספר בודד לעתיד אלא גם טווח אי ודאות, דבר קריטי למי שמנסה לנהל סיכונים או מלאי ולא יכול להסתמך על מספר עיוור.
מתאים ל
- חיזוי ביקושים ומלאי
הפקת תחזית קוונטילים שמראה תרחישי קיצון ולא רק ממוצע יבש.
- ניתוח צריכת משאבים
מעקב אחרי עומסי שרתים וזיכרון לפי דפוסי שימוש קודמים.
- הטמעה במערכות פנימיות
משקל של 882 מגה בייט שרץ מקומית בלי לחשוף נתונים רגישים החוצה.
איפה זה נופל
הכרטיס מציג מודל בסיס לחיזוי כללי, מה שאומר שהוא לא מותאם מראש להתנהגויות חריגות של נתונים עסקיים ספציפיים או לקפיצות חדות שלא נראו בעבר. הוא מוגבל למבנה של סדרות מספריות ולא יודע לקבל משתני עזר טקסטואליים או הקשר חיצוני שלא מופיע ברצף עצמו. חובה לבדוק אותו מול הנתונים ההיסטוריים שלכם ולוודא שהתחזית בקוונטילים לא רחבה מדי עד שהיא הופכת לבלתי שימושית.
שאלות
נפוצות
במה הגרסה הזו שונה מגרסת ה־PyTorch המקורית של גוגל?
המשקלים זהים לחלוטין ועברו בדיקת התאמה מול המקור. ההבדל הוא שהגרסה הזו עובדת חלק מתוך ספריית transformers הרגילה בלי להתקין חבילות ייעודיות של גוגל.
האם צריך כרטיס מסך חזק כדי להריץ אותו?
לא. מודל בגודל 231 מיליון פרמטרים רץ בקלות על זיכרון של כרטיס מסך פשוט, ואפילו על מעבד מרכזי בסיסי הוא יחזיר תוצאות מהר יחסית.
איך מריצים
עם 231 מיליון פרמטרים ומשקל קבצים של 882 מגה בייט, מדובר במודל קל מאוד להרצה. הוא עולה בלי בעיה על מעבד רגיל של לפטופ או על כרטיס מסך בסיסי וזול, וטוענים אותו ישירות דרך המחלקה הרשמית של Hugging Face.
אין שום סיבה לחפש פה שירות ענן חיצוני או לשלם על קריאות API לפי שימוש. אתם מורידים את ארבעת הקבצים, משלבים אותם בקוד הפייתון המקומי, ומריצים חיזויים ישירות על הברזל שלכם בלי תלות ברשת.
from transformers import pipeline
pipe = pipeline("time-series-forecasting", model="google/timesfm-2.5-200m-transformers")
print(pipe("שלום"))הקבצים
4 קבצים במאגר, 882 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הקוד והמשקלים שוחררו תחת רישיון apache-2.0. הרישיון הזה מתיר שימוש מסחרי מלא, שינוי של הקוד והפצה פנימית או כחלק ממוצר שאתם מוכרים ללקוחות, כל עוד אתם שומרים על הודעת זכויות היוצרים המקורית.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים