ibm-granite/granite-tsfm

解決的問題

本專案提供使用時間序列基礎模型（TSFM），特別是 Granite 時間序列系列所需的工具與實用程式。它簡化了使用、預訓練和微調這些模型進行時間序列預測任務的流程。

工作原理

此倉儲是 Hugging Face 上托管模型的配套資源。它提供一組 Python 實用程式、服務元件以及一系列筆記本，指導使用者完成 PatchTSMixer、PatchTST 和 TinyTimeMixer（TTM）等模型的預訓練和微調過程。

適用對象

需要使用基礎模型實現時間序列預測，並希望以結構化方式執行遷移學習或基準測試的資料科學家與機器學習工程師。

主要亮點

• 支援基礎模型：支援多種模型，包括 TinyTimeMixer（TTM）、PatchTSMixer、PatchTST 和 FlowState。
• 與 Hugging Face 整合：專為與 Hugging Face transformers 套件中的模型無縫協作而設計。
• 實用教程：包含 Google Colab 教學與筆記本，幫助快速上手並執行遷移學習。
• 服務元件：包含用於模型推論與部署的元件。