时间序列预测模型TimesFM安装与使用指南

时间序列预测模型TimesFM安装与使用指南

timesfmTimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.项目地址:https://gitcode.com/gh_mirrors/ti/timesfm

目录结构及介绍

在克隆或下载了TimesFM（时间系列基础模型）项目之后，你的目录结构大致如下：

timesfm/
|-- README.md            # 项目介绍文件
|-- notebooks/           # 包含示例notebook的目录
|   |-- covariates.ipynb # 如何使用外部变量进行预测的例子
|   |-- finetuning.ipynb # 模型微调的例子
|-- experiments/         # 实验代码和数据集的位置
|   |-- benchmarks/      # 不同基准测试数据集的子目录
|-- models/              # 预训练模型权重的目录
|-- scripts/             # 包括训练和评估脚本的目录
|-- timesfm/             # 项目的核心代码库
|   |-- __init__.py     # Python包初始化文件
|   |-- model.py        # 定义模型架构的文件
|   |-- utils.py        # 辅助工具函数
|-- requirements.txt    # Python依赖项列表
|-- environment.yml     # Conda环境定义文件
|-- environment_cpu.yml # Conda环境定义文件（用于CPU）

上述结构中，notebooks目录存储Jupyter notebook示例，展示了如何利用TimesFM执行预测和调整。experiments目录是进行模型实验的地方，包括各种基准测试的数据集和结果对比。

启动文件介绍

虽然TimesFM作为一个Python包可以被导入到任何项目中使用，但实际运行项目通常涉及到以下几种类型的“启动”文件：

1. Notebooks: notebooks/covariates.ipynb 和 notebooks/finetuning.ipynb 提供了如何加载模型、进行预测以及如何微调模型的具体示例。

2. Scripts: 虽然主要的API交互发生在notebook中，但在scripts目录下可能会找到一些辅助脚本来处理数据、训练模型或者评估性能。

配置文件介绍

TimesFM通过多种方式提供配置支持：

1. Environment Files (environment.yml, environment_cpu.yml): 这些YAML文件描述了创建Conda环境所需的所有Python包及其版本。它们分别是GPU和CPU环境下推荐的软件环境配置。例如，当使用CUDA时，你可以从项目根目录运行命令conda env create --file=environment.yml来自动构建一个兼容的环境。

2. Model Parameters: 大部分关于模型参数（如预测上下文长度、频率指示符等）的配置将直接在调用模型方法的代码中设置。然而，对于复杂的工作流，可能需要预先设定参数并保存在一个独立的配置文件中，以便于管理多个不同的实验条件。这种情况下，配置通常是JSON或者YAML格式的文件，在notebooks中的例子可以看到具体的应用示范。

理解并熟悉这些目录结构、启动文件和配置文件有助于有效地使用TimesFM进行时间序列分析和预测任务。

timesfmTimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.项目地址:https://gitcode.com/gh_mirrors/ti/timesfm