TiRex
קוד פתוחNX-AIother2025-05-26
מודל חיזוי סדרות עתיות זעיר שמבוסס על ארכיטקטורת xLSTM ומספק תחזיות ישירות בלי אימון מוקדם. פתרון קל משקל למי שצריך תוצאות מהירות מנתונים היסטוריים בלי לתחזק מודלים כבדים.
- 270 MBמשקל הקבצים
- 423,099הורדות בחודש
- 99לייקים
מה זה
מדובר במודל חיזוי לסדרות עתיות עם 35 מיליון פרמטרים בלבד, שפותח סביב ארכיטקטורת xLSTM מבית NX-AI. הרעיון המרכזי כאן הוא אפס אימון מקדים מצד המשתמש. מורידים את המשקלים, מזריקים את הנתונים ההיסטוריים ישירות לתוך ההקשר של המודל, ומקבלים תחזית לטווחים קצרים או ארוכים. המודל מחזיר גם הערכות נקודתיות של הממוצע וגם אומדני קוונטילים, מה שמאפשר לקבל טווח אי ודאות מסודר ולא רק מספר בודד.
בגזרה התחרותית, המודל מתמודד מול מודלי בסיס אחרים לתחום ונבדק במבחנים כמו GiftEval ולוח התוצאות של ChronosZS. המבחנים האלה מראים שהוא מחזיק בביצועים ברמה הגבוהה ביותר בתחום החיזוי לטווח קצר וארוך כאחד, למרות הגודל המזערי שלו. בנוסף ליכולות החיזוי הרגילות, המפתחים מציגים אותו גם ככלי לחילוץ מאפיינים לצורך משימות סיווג של סדרות עתיות.
מתאים ל
- חיזוי ביקושים ומלאי
מאפשר לחזות צריכה עתידית לפי נתוני עבר ולקבל טווח אי ודאות באמצעות קוונטילים.
- סיווג סדרות עתיות
משמש כמחלץ מאפיינים יעיל לנתוני זמן לטובת מודלי סיווג נפרדים.
- חיזוי עומסים במערכות
רץ מקומית בקלות ומספק תחזיות לטווח קצר וארוך לצורכי תכנון משאבים.
איפה זה נופל
המודל נבדק רשמית רק על מערכות לינוקס ומק, כך שמי שמפתח על חלונות עלול להיתקל בבעיות תאימות בהתקנה. בנוסף, ניצול מלא של ליבות ה־CUDA המותאמות מחייב חומרה יחסית חדשה, תאימות גרסאות מדויקת של ספריות המערכת והגדרת משתני סביבה ספציפיים בזמן ההרצה. אם אין לכם גישה למעבדים גרפיים מתאימים, תיאלצו לוותר על האצת החישוב הייעודית.
שאלות
נפוצות
האם צריך לאמן את המודל מראש על הנתונים שלי?
לא, המודל בנוי לתפקד במצב אפס אימון. אתם פשוט מעבירים את סדרת הנתונים כהקשר ומקבלים תחזית מיידית.
אפשר להריץ אותו בלי כרטיס מסך מתקדם של אנבידיה?
כן, אבל ליבות ה־CUDA המותאמות שמאיצות את הריצה דורשות כרטיס עם יכולת חישוב 8.0 ומעלה. בלעדיו תצטרכו להסתפק בריצה רגילה.
איך מריצים
המודל שוקל בסך הכול 270 מגה בייט, כך שמבחינת זיכרון אפשר להריץ אותו כמעט על כל מכונה סבירה בלי לחשוב פעמיים. ההתקנה נעשית דרך pip עם החבילה tirex-ts. כדי להוציא ממנו ביצועי שיא עם ליבות ה־CUDA המותאמות לתאי sLSTM, צריך כרטיס מסך של Nvidia עם יכולת חישוב 8.0 ומעלה, והליבות מתקמפלות בזמן הטעינה הראשונית.
בגלל המשקל הנמוך שלו, אין שום סיבה אמיתית לחפש ספק חיצוני או לשלם על API מרוחק. הרצה מקומית, בענן פרטי או בתוך קונטיינר דוקר ייעודי לפי ההנחיות של החברה תהיה זולה ופשוטה בהרבה.
pip install -U huggingface_hub hf download NX-AI/TiRex
הקבצים
5 קבצים במאגר, 270 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
המודל מופץ תחת רישיון שנקרא NXAI community license, שמוגדר בקובצי המקור אך אינו מפורט במלואו בכרטיס המודל. לפני שמשלבים אותו בתוך מוצר מסחרי או מפיצים אותו ללקוחות, חובה לבדוק את התנאים המדויקים של הרישיון בקובץ כדי לוודא שאין בו מגבלות מסחריות.