Project Icon

chronos-t5-small

T5架构预训练时间序列模型 实现概率性多轨迹预测

Chronos-t5-small是一个基于T5架构的预训练时间序列预测模型,参数量为4600万。该模型将时间序列转换为token序列进行训练,可生成多个未来轨迹的概率性预测。模型训练数据包括公开数据集和高斯过程生成的合成数据。它支持GPU加速和bfloat16精度,适用于多种时间序列预测场景。与原始T5模型相比,Chronos-t5-small采用更小的词汇表(4096个token),提高了计算效率。

chronos-t5-small - 基于T5架构的时间序列预测模型
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Small是一款基于T5架构的预训练时间序列预测模型。该模型将时间序列转换为标记序列,通过交叉熵损失训练语言模型实现预测。经过大量公开时间序列数据和合成数据的训练,Chronos-T5-Small能够生成概率性预测结果。作为Chronos系列中的中等规模版本,这个拥有4600万参数的模型适用于多种时间序列预测任务。
chronos-t5-tiny - 轻量级预训练时间序列预测模型
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Tiny是基于T5架构的轻量级预训练时间序列预测模型,拥有800万参数。它将时间序列转换为token序列进行训练,可生成概率性预测。该模型在大量公开和合成时间序列数据上训练,能处理多种预测任务,适合快速部署和推理。作为Chronos系列的一员,它为时间序列分析提供了高效的解决方案。
chronos-t5-tiny - 轻量级时间序列预测模型 基于T5架构设计
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型架构预训练模型
Chronos-T5-Tiny是一款轻量级时间序列预测模型,基于T5架构设计。该模型将时间序列转换为token序列进行训练,能够生成概率性预测并支持多轨迹采样。与原始T5相比,Chronos-T5-Tiny仅使用4096个不同token,参数量减少至800万,更加精简高效。研究人员和开发者可通过简洁的Python接口快速应用此模型进行时间序列分析。
chronos-t5-mini - 开源时间序列预测模型实现高效概率预测
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Mini是基于T5架构开发的时间序列预测模型,参数规模为2000万。模型通过将时间序列转换为token序列进行训练,采用多轨迹采样方式实现概率预测。模型在公开时间序列数据集和高斯过程生成的合成数据上完成预训练,采用4096大小的词汇表,相比原始T5模型显著降低了参数量同时保持了预测性能。
chronos-t5-large - T5架构驱动的大规模时间序列预测基础模型
ChronosGithubHuggingfaceT5架构开源项目时间序列预测概率预测模型预训练模型
Chronos-T5-Large是一个大规模时间序列预测基础模型,基于T5架构设计,包含7.1亿参数。模型通过将时间序列转换为token序列进行训练,能够生成概率性预测结果。它在海量公开时间序列数据和合成数据上训练,适用于广泛的时间序列预测任务。研究人员可使用简洁的Python接口调用模型,获取未来趋势预测及相应的置信区间。
chronos-t5-mini - 基于T5架构的轻量级时间序列预测模型
Chronos-T5GithubHuggingface基础模型开源项目时间序列预测概率预测模型预训练模型
Chronos-T5-Mini是一款基于T5架构的预训练时间序列预测模型,拥有2000万参数。该模型将时间序列转换为token序列进行训练,可生成概率性预测。Chronos-T5-Mini在大量公开时间序列数据和合成数据上训练,适用于多种时间序列预测任务。通过Chronos Pipeline,研究人员和开发者可以便捷地使用该模型进行推理,获得精确的预测结果。
chronos-t5-base - T5架构驱动的时间序列预测基础模型
ChronosGithubHuggingfaceT5架构开源项目时间序列预测概率预测模型语言模型
Chronos-T5-Base是一个基于T5架构的时间序列预测基础模型,拥有2亿参数。该模型将时间序列数据转化为token序列,并通过交叉熵损失函数进行训练。通过采样多个可能的未来轨迹,Chronos-T5-Base能够生成概率预测结果。模型在大量公开时间序列数据和合成数据上训练,适用于多种时间序列预测场景,为研究人员和开发者提供了一个强大的预训练工具。
chronos-t5-base - T5架构驱动的时间序列预测基础模型
ChronosGithubHuggingfaceT5架构开源项目时间序列预测机器学习模型预训练模型
Chronos-T5-Base是一款基于T5架构的时间序列预测基础模型,具有2亿参数规模。该模型将时间序列转换为token序列,通过交叉熵损失训练,能够生成多样化的概率性预测。Chronos-T5-Base在大量公开时间序列数据和合成数据上进行了预训练,适用于广泛的时间序列预测场景。研究人员和开发者可以通过Python接口轻松调用该模型,实现高效的时间序列分析和预测。
chronos-t5-large - 基于T5架构的大规模时间序列预测模型
Chronos-T5GithubHuggingface开源项目时间序列预测概率预测模型语言模型预训练模型
Chronos-T5-Large是一个拥有7.1亿参数的大规模时间序列预测模型。该模型基于T5架构,通过将时间序列转化为token序列进行训练,能生成概率性预测。Chronos-T5-Large在大量公开和合成时间序列数据上训练,可处理多种预测任务。研究人员和开发者可通过Python接口使用该模型,适用于需要高精度分析的时间序列场景。
chronos-forecasting - 基于语言模型架构的预训练时间序列预测工具
AutoGluonChronosGithub开源项目时间序列语言模型预训练
Chronos是一款基于语言模型架构的预训练时间序列预测工具。它通过量化处理将时间序列转换为标记序列,并使用大规模的公开和合成数据进行训练。Chronos模型在零样本场景中表现优异,提供从预测到嵌入提取的完整解决方案。通过AutoGluon,用户可轻松进行模型集成和云端部署,提升预测性能和应用的灵活性。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号