时间序列预测模型TimesFM安装与使用指南
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:
-
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。 -
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:
-
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。 -
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。