GPT
G

granite-timeseries-tspulse-r1

קוד פתוח

ibm-graniteapache-2.02025-06-03

  • granite-tsfm
  • safetensors
  • tspulse
  • time series
  • pretrained models

מודל זעיר לסדרות עיתיות שרץ בקלות על מעבד רגיל, בלי כרטיס מסך, ומתאים לזיהוי חריגות, השלמת ערכים חסרים וחיפוש דמיון.

  • 1Mפרמטרים
  • 4.5 MBמשקל הקבצים
  • 119,816הורדות בחודש
  • 37לייקים

מה זה

מדובר במודל של מיליון פרמטרים בלבד ששוקל 4.5 מגה בייט, קטן פי עשרה עד מאה ממודלים מתחרים בתחום. הוא נבנה לניתוח סדרות עיתיות באמצעות ארכיטקטורה שמנתחת את המידע בו זמנית גם בציר הזמן וגם בציר התדר, מה שמייצר ייצוג סמנטי עמיד לשינויי עוצמה ורעשים.

המשמעות בשטח היא קפיצת ביצועים משמעותית במשימות מסוימות לעומת הגודל שלו. במבחני זיהוי חריגות כמו TSB-AD הוא מציג שיפור של עשרים אחוז ומגיע למקום הראשון בסדרות חד ורב־משתניות, לצד שיפור של חמישים אחוז בהשלמת ערכים באפס דוגמאות מוקדמות ושיפור של 5 עד 16 אחוז בסיווג סדרות.

מתאים ל

  • זיהוי אנומליות בחיישנים

    מזהה חריגות ברצפים ארוכים של נתוני טלמטריה על מעבד פשוט, בלי להעמיס על תשתית השרתים.

  • השלמת נתונים חסרים

    משחזר פערים ואיבודי דגימות ברצפי מידע של מעל 512 נקודות במצב zero-shot.

  • חיפוש דפוסים ודמיון

    מחלץ וקטורים עמידים לרעש ומאפשר לאתר מקטעי זמן דומים בתוך מאגר נתונים גדול.

  • סיווג סדרות עיתיות

    מתאים לסיווג אותות בכל אורך, כשהוא דוגם ומכוונן את הקלט אוטומטית לגודל 512 נקודות.

איפה זה נופל

הבעיה המרכזית היא אורך הקלט הנדרש. לזיהוי חריגות המודל דורש בין 1536 ל־2048 נקודות רצופות כדי להפיק תוצאה אמינה, שזה פי שלושה או ארבעה מחלון ההקשר הבסיסי שלו. להשלמת נתונים וחיפוש צריך לפחות 512 נקודות, כך שאם יש לכם מקטעי דאטה קצרים או קריאות בודדות, הוא פשוט לא מתאים.

מעבר לזה, יבמ מבהירה במפורש שזה פרויקט קוד פתוח ולא מוצר נתמך. הם לא מתחייבים לעדכונים, תחזוקה, אבטחה או תיקוני באגים בעתיד, ולכן האחריות על תקינות הקוד בייצור היא עליכם בלבד.

שאלות
נפוצות

חייבים שרת עם כרטיס מסך כדי להריץ אותו?

לא. המודל מכיל בערך מיליון פרמטרים ושוקל 4.5 מגה בייט בלבד. הוא תוכנן מראש לרוץ ישירות על מעבד רגיל של שרת או מחשב מקומי בצריכת משאבים מינימלית.

אפשר להשתמש בו לסדרות קצרות של כמה עשרות דגימות?

ברוב המקרים לא. זיהוי חריגות דורש לפחות 1536 עד 2048 נקודות, והשלמת נתונים צריכה מינימום 512 נקודות. המשימה היחידה שתקבל כל אורך קלט היא סיווג, כי שם המודל דוגם את הנתונים מחדש לאורך של 512 נקודות.

באיזו גרסה של המודל צריך להשתמש בקוד?

זה תלוי במשימה. לזיהוי חריגות טוענים את הענף הראשי, להשלמת נתונים וחיפוש סמנטי משתמשים בגרסת hybrid-dualhead, ולסיווג משתמשים בגרסת block-dualhead יחד עם המחלקה TSPulseForClassification.

איך מריצים

אתם מריצים אותו מקומית על המעבד בלי לגעת ב־GPU, דרך ספריית granite-tsfm בפייתון. הקבצים שוקלים פחות מ־5 מגה בייט, כך שאין שום סיבה בעולם לקרוא ל־API חיצוני או להחזיק שרת ייעודי בשבילו. מורידים אותו ישירות לקוד והוא רץ בתוך התהליך הרגיל שלכם.

יש שלוש גרסאות מוגדרות מראש שמתאימות למשימות שונות, ובוחרים ביניהן דרך פרמטר ה־revision בקוד. הגרסה שבענף הראשי מיועדת לזיהוי חריגות, גרסת tspulse-hybrid-dualhead-512-p8-r1 משמשת להשלמת נתונים וחיפוש סמנטי, וגרסת tspulse-block-dualhead-512-p16-r1 מיועדת לסיווג ומגיעה עם מחלקת קוד ייעודית.

pip install -U huggingface_hub
hf download ibm-granite/granite-timeseries-tspulse-r1

הקבצים

5 קבצים במאגר, 4.5 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר תחת רישיון apache-2.0. מותר להשתמש בו לצרכים מסחריים, לשנות אותו, להטמיע אותו בתוך מוצר סגור ולהפיץ אותו ללקוחות. התנאי היחיד הוא שמירה על הודעת זכויות היוצרים והרישיון המקורי בקוד.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗