Moirai-1.0-R-Base震撼发布：Salesforce革命性时间序列预测模型详解

Moirai-1.0-R-Base震撼发布Salesforce革命性时间序列预测模型详解【免费下载链接】moirai-1.0-R-base项目地址: https://ai.gitcode.com/hf_mirrors/Salesforce/moirai-1.0-R-baseMoirai-1.0-R-Base是Salesforce推出的革命性时间序列预测模型作为Moirai系列的基础版本它基于Masked Encoder架构的通用时间序列预测Transformer在LOTSA数据集上进行了预训练为时间序列预测领域带来了突破性的解决方案。 Moirai-1.0-R-Base模型核心优势Moirai-1.0-R-Base模型拥有9100万参数采用了创新的多补丁大小输入输出投影设计能够灵活处理不同时间尺度的序列数据。其核心优势在于通过Transformer的全自注意力机制有效捕捉时间序列中的长期依赖关系结合混合分布输出策略实现高精度的预测结果。 多补丁尺寸处理能力模型支持多种补丁尺寸8、16、32、64、128可以根据不同的时间序列特征灵活选择从而在不同的时间粒度上提取有效信息。这种设计使得模型能够适应各种复杂的时间序列模式无论是高频波动还是长期趋势都能准确捕捉。 强大的Transformer架构Moirai-1.0-R-Base采用了12层Transformer结构配备768维模型维度通过全自注意力机制对时间序列数据进行深度处理。这种架构能够有效建模时间序列中的复杂依赖关系为精准预测提供强大的特征提取能力。图1Moirai的整体架构。展示了一个3变量时间序列其中变量0和1是目标变量即需要预测的变量变量2是动态协变量预测范围内的值已知。基于64的补丁大小每个变量被补丁化为3个令牌。补丁嵌入连同序列和变量ID被输入到Transformer中。阴影补丁代表要预测的预测范围其相应的输出表示被映射到混合分布参数中。 模型配置详解Moirai-1.0-R-Base的配置参数在config.json文件中定义主要包括以下关键参数d_model: 768 - 模型的维度num_layers: 12 - Transformer的层数max_seq_len: 512 - 最大序列长度patch_sizes: [8, 16, 32, 64, 128] - 支持的补丁尺寸distr_output: 混合分布输出包含StudentT、NormalFixedScale、NegativeBinomial和LogNormal四种分布组件这些配置参数共同决定了模型的性能和适用场景为不同类型的时间序列预测任务提供了灵活的调整空间。️ 快速开始使用指南要开始使用Moirai-1.0-R-Base进行时间序列预测需要按照以下步骤操作1️⃣ 安装uni2ts库首先克隆uni2ts仓库并安装相关依赖git clone https://gitcode.com/hf_mirrors/Salesforce/moirai-1.0-R-base cd moirai-1.0-R-base virtualenv venv . venv/bin/activate pip install -e .[notebook]2️⃣ 创建环境文件创建.env文件以配置环境touch .env3️⃣ 运行预测示例使用提供的Python示例代码进行时间序列预测。示例代码展示了如何加载数据、准备模型、进行预测并可视化结果。通过调整参数如预测长度、上下文长度和补丁大小可以适应不同的预测需求。‍‍‍ Moirai模型家族Moirai系列包括三个不同规模的模型以满足不同场景的需求模型参数数量Moirai-1.0-R-Small1400万Moirai-1.0-R-Base9100万Moirai-1.0-R-Large3.11亿用户可以根据数据规模和预测精度要求选择合适的模型版本。 引用与学术资源如果您在研究或应用中使用了Moirai-1.0-R-Base请引用相关论文article{woo2024unified, title{Unified Training of Universal Time Series Forecasting Transformers}, author{Woo, Gerald and Liu, Chenghao and Kumar, Akshat and Xiong, Caiming and Savarese, Silvio and Sahoo, Doyen}, journal{arXiv preprint arXiv:2402.02592}, year{2024} }更多关于Moirai架构、训练和结果的详细信息请参考论文。 伦理考量Moirai-1.0-R-Base的发布仅用于支持学术论文的研究目的。模型、数据集和代码并非专门为所有下游应用设计或评估。在部署此模型之前强烈建议用户评估并解决与准确性、安全性和公平性相关的潜在问题。鼓励用户考虑AI的常见局限性遵守适用法律并在选择用例时利用最佳实践特别是在错误或滥用可能严重影响人们生活、权利或安全的高风险场景中。【免费下载链接】moirai-1.0-R-base项目地址: https://ai.gitcode.com/hf_mirrors/Salesforce/moirai-1.0-R-base创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考