pytorch-ts

概率时间序列预测开源框架

PyTorchTS 时间序列预测深度学习概率模型 PyTorch Github 开源项目

PyTorchTS是一个基于PyTorch的开源时间序列预测框架，利用GluonTS作为后端API。它提供先进的概率模型，支持数据处理和回测。该框架适用于单变量和多变量时间序列预测，安装简便，易于使用。PyTorchTS为数据科学家和研究人员提供了高效的时间序列分析工具。

nixtla - 精准的时间序列预测和异常检测，适用于多领域的生成式预训练模型

GithubTimeGPT开源项目异常检测时间序列零样本推理预测

TimeGPT是一款生成式预训练模型，专注于时间序列分析，支持零样本推断。该模型可应用于零售、电力、金融、物联网等多个领域，通过简洁的代码实现精准的预测与异常检测。TimeGPT提供灵活的API访问，兼容多种编程语言和平台。基于大规模数据集的训练，它在多种频率下的预测表现卓越，特别适合需要快速、精确时间序列分析的应用。

torchsde - 提供GPU支持的随机微分方程求解器

GANGithubNeural SDEPyTorchSDE solverstochastic differential equation开源项目

这个库提供了支持GPU和高效反向传播的随机微分方程（SDE）求解器。其使用Python和PyTorch开发，安装方便，并附有丰富的示例。用户可以通过简单的代码示例快速入门，并通过文档进一步学习。除了基础功能外，还包括潜在SDE和GAN中的SDE等高级应用示例。适用于在高性能计算环境中执行复杂SDE模型的研究人员和开发者。

PyTorch_Tutorial - PyTorch深度学习实践教程

GithubPyTorch代码实践开源项目教程模型训练深度学习

PyTorch_Tutorial是一个综合性深度学习教程项目，专注于PyTorch框架的应用。教程涵盖基础到高级的模型训练技巧，提供计算机视觉、自然语言处理和大型语言模型等领域的实践案例。内容还包括ONNX和TensorRT等推理部署框架的使用指南，展示了从模型开发到部署的完整流程。项目定期更新，配有环境配置说明，适合深度学习研究者和实践者参考学习。

PyPOTS - 部分观测时间序列机器学习的开源Python工具箱

GithubPyPOTS开源工具开源项目时间序列机器学习缺失值

PyPOTS是一个专注于部分观测时间序列(POTS)机器学习的Python工具箱。它集成了经典和前沿算法，支持数据插补、分类、聚类、预测和异常检测等任务。该工具箱提供统一API、详细文档和交互示例，简化POTS数据处理流程。PyPOTS支持多种神经网络模型，并具备超参数优化功能，为时间序列分析提供综合解决方案。

UnsupervisedScalableRepresentationLearningTimeSeries - 多变量时间序列的无监督可扩展表示学习方法

GithubPyTorchUCR数据集UEA数据集开源项目无监督学习时间序列表示学习

UnsupervisedScalableRepresentationLearningTimeSeries项目提出了一种无监督可扩展表示学习方法,专门用于处理多变量时间序列数据。该方法基于三元组损失训练编码器,能够处理等长或不等长时间序列。项目提供了UCR和UEA数据集实验代码,包括迁移学习和稀疏标记实验。此外,还包含预训练模型和结果可视化工具。在多个基准数据集上,该方法展现出优秀的性能,为时间序列分析领域提供了创新解决方案。

iTransformer - 用于多变量时间序列预测的iTransformer模型

GithubTransformer模型iTransformer多变量预测开源项目时间序列预测高效注意力机制

iTransformer是一种用于多变量时间序列预测的开源模型，无需修改任何Transformer模块。它在处理大规模数据时表现出色，具备显著的性能提升和强大的泛化能力。iTransformer已在多种基准测试中表现优异，支持静态协变量和概率发射头。用户可通过pip安装，并使用项目提供的详细训练和评估脚本。更多信息请参阅官方论文。

time-series-transformers-review - 时序数据建模中的Transformers技术综述

GithubTransformers分类开源项目异常检测时间序列预测

本项目专业整理了Transformers在时序数据建模中的资源，涵盖论文、代码和数据，全面总结其最新进展。内容持续更新，开放问题提交和拉取请求，覆盖时序预测、不规则时序建模、异常检测和分类等领域，适合学术研究及实际应用。

deeptime - Python时间序列分析与动态建模库

Githubdeeptime动力学模型开源库开源项目时间序列分析机器学习

deeptime是一个专注于时间序列数据分析的Python库，集成了多种动态模型估计工具。该库涵盖传统线性学习方法（如马尔可夫状态模型、隐马尔可夫模型和Koopman模型）及先进的核方法和深度学习技术。与scikit-learn兼容的同时，deeptime还提供了独特的Model类，用于分析热力学、动力学和其他动态特性。该库支持多平台安装，适用于各类时间序列数据研究。

tianshou - 基于PyTorch的高性能模块化强化学习框架

GithubPyTorchTianshou开源项目强化学习深度学习算法库

Tianshou是基于PyTorch和Gymnasium的强化学习框架,提供高性能、模块化设计和友好接口。支持在线、离线、多智能体及基于模型的算法,兼顾实现简洁和灵活性。特点包括向量化环境、RNN训练、自定义状态/动作等。框架涵盖多种先进算法,配有完善文档和测试,适合研究和应用开发。

pyaf - Python开源库实现自动化时间序列预测

GithubPyAFPython开源项目时间序列预测机器学习自动化

PyAF是一个开源的Python自动预测库，基于NumPy、SciPy等流行数据科学模块构建。该库利用机器学习方法自动预测时间序列未来值，功能comparable于一些商业预测产品。它支持信号分解、外生数据和层次预测，提供简洁API和可定制建模过程。PyAF适用于Python 3.x，采用BSD 3-Clause许可证。PyAF可用于销售预测、股票走势分析、能源需求预测等多种时间序列预测任务。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com