#Chronos-T5

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-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-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-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。