ibm-granite/granite-tsfm

解决的问题

本项目提供了使用时间序列基础模型（TSFM），特别是 Granite 时间序列系列所需的各种工具和实用程序。它简化了使用、预训练和微调这些模型进行时间序列预测任务的流程。

工作原理

该仓库是 Hugging Face 上托管模型的配套资源。它提供了一组 Python 实用程序、服务组件以及一系列笔记本，指导用户完成 PatchTSMixer、PatchTST 和 TinyTimeMixer（TTM）等模型的预训练和微调过程。

适用人群

需要使用基础模型实现时间序列预测，并希望以结构化方式执行迁移学习或基准测试的数据科学家和机器学习工程师。

主要亮点

• 支持基础模型：支持多种模型，包括 TinyTimeMixer（TTM）、PatchTSMixer、PatchTST 和 FlowState。
• 与 Hugging Face 集成：专为与 Hugging Face transformers 库中的模型无缝协作而设计。
• 实用教程：包含 Google Colab 教程和笔记本，帮助快速上手并执行迁移学习。
• 服务组件：包含用于模型推理和部署的组件。