granite-timeseries-ttm-r2
קוד פתוחibm-graniteapache-2.02024-10-08
מודל חיזוי זמנים זעיר של פחות ממיליון פרמטרים, שמנצח מודלי ענק במבחני דיוק ומספק תחזיות מהירות ברמת הדקה והשעה ישירות מהמעבד של המחשב שלכם.
- 805280פרמטרים
- 3.6 MBמשקל הקבצים
- 329,244הורדות בחודש
- 165לייקים
מה זה
במקום להדביק ארכיטקטורת שפה ענקית על בעיות של סדרות עתיות, הפרויקט הזה מציע רשת קטנה וממוקדת שמיועדת למשימה אחת בלבד. הדגם מכיל קצת יותר משמונה מאות אלף פרמטרים, והוא אומן מראש על מאות מיליוני דגימות של נתוני עומסי חשמל, מזג אוויר, תנועה ברשת ונתוני תעבורה. הרעיון המרכזי כאן אינו ליצור כלי כללי לכל תרחיש, אלא לפצל את הפתרון לדגמים קומפקטיים שכל אחד מהם מותאם מראש לאורך היסטוריה ואורך תחזית מוגדרים היטב.
במבחני ביצועים מול שמות כבדים כמו טיימס אף אם, מוראי וכרונוס, הדגם הקטן עוקף אותם ברמת הדיוק באפס דוגמאות ובאימון על מעט נתונים. לפי נתוני המדידה, גרסה זו מציגה שיפור של מעל חמישה עשר אחוזים על פני הדור הראשון של הסדרה, בזכות הרחבת בסיס האימון המקדים לשבע מאות מיליון דגימות. הוא תומך בריבוי משתנים ומסוגל להצליב מידע בין ערוצים שונים לצד הזרקת משתנים חיצוניים ומאפיינים קטגוריים קבועים.
מתאים ל
- חיזוי צריכת חשמל
ניתוח עומסי רשת ברזולוציה של דקות או שעות על בסיס היסטוריה מרובת חיישנים.
- ניטור תעבורת שרתים
חיזוי עומסי רשת ונפחי גלישה מקומית ללא תלות בשרתי עיבוד גרפיים כבדים.
- חיזוי עומסי תנועה
הצלבת משתני תחבורה מרובים עם משתנים חיצוניים לקבלת צפי זמנים מדויק.
איפה זה נופל
הוא לא מיועד לחיזוי של רזולוציות נמוכות כמו נתונים חודשיים או שנתיים, והוא דורש חלון היסטוריה מינימלי של חמש מאות ושתיים עשרה או אלף עשרים וארבע נקודות זמן. אם תנסו לעקוף את זה בעזרת דגימת יתר או מילוי אפסים כדי להאריך את הקלט באופן מלאכותי, הביצועים שלו ייפגעו קשות. בנוסף, חובה לבצע נרמול ידני לכל ערוץ בנפרד לפני ההזנה, ותחזיות מתגלגלות אינן מומלצות מעבר לכפול מאורך התחזית המקורי.
שאלות
נפוצות
האם אפשר להריץ אותו על נתונים חודשיים של מכירות בעסק?
לא, הגרסה הזו מוגבלת לרזולוציה של דקות עד שעות בלבד. בנוסף, המודל מחייב חלון היסטוריה ארוך של לפחות חמש מאות נקודות, כך שנתונים חודשיים פשוט לא יספקו לו מספיק מידע לפעולה תקינה.
האם אני חייב כרטיס מסך כדי לאמן אותו על הנתונים שלי?
ממש לא, המודל שוקל פחות מארבעה מגה בייט ומכיל פחות ממיליון פרמטרים. תהליך האימון המשלים דורש כחמישה אחוזים בלבד מהנתונים שלכם ויכול לרוץ תוך מספר דקות על מעבד של מחשב נייד רגיל.
איך מריצים
המשקל הכולל של הקבצים עומד על פחות מארבעה מגה בייט, כך שאין שום צורך בחומרה מיוחדת, שרתי עיבוד ייעודיים או כרטיסי מסך כבדים. אתם מושכים את הקוד דרך ספריית הפייתון הייעודית ומריצים אותו ישירות על המעבד של המחשב הנייד שלכם, גם לחיזוי ישיר וגם לאימון משלים שלוקח דקות ספורות עם חמישה אחוזים בלבד מהנתונים שלכם.
אין שום היגיון לשלם על שירות ענן חיצוני או שרת מרוחק בשביל מודל שרץ מקומית באפס מאמץ. הבחירה בגרסה הנכונה נעשית לפי אורך ההיסטוריה והתחזית המבוקשת, או בעזרת פונקציית הבחירה האוטומטית שמספקת החבילה.
pip install -U huggingface_hub hf download ibm-granite/granite-timeseries-ttm-r2
הקבצים
8 קבצים במאגר, 3.6 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הפרויקט מופץ תחת רישיון אפאצ'י שתיים אפס. מותר להשתמש בו לצרכים מסחריים, לשנות אותו, להטמיע אותו במוצרים סגורים ולהפיץ אותו ללקוחות ללא תשלום תמלוגים, כל עוד שומרים על הודעות זכויות היוצרים והרישיון המקורי. חברת איי בי אם מבהירה שהקוד שוחרר כפרויקט קוד פתוח ללא אחריות וללא התחייבות לתחזוקה עתידית.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים