如何用Kairos-23M快速实现工业级时间序列预测5分钟上手教程【免费下载链接】Kairos_23m项目地址: https://ai.gitcode.com/hf_mirrors/mldi-lab/Kairos_23mKairos-23M是一款仅需2300万参数的时间序列基础模型专为跨领域零样本预测设计能帮助开发者快速实现工业级时间序列预测任务。它采用动态补丁分词器、混合大小编码和动态旋转位置嵌入DRoPE技术可处理具有不同信息密度的异构时间序列数据。 为什么选择Kairos-23M进行时间序列预测Kairos-23M作为轻量级时间序列基础模型具备以下核心优势 动态旋转位置嵌入DRoPE根据实例级频谱特征和动态补丁分词调整位置编码提升模型对时间序列数据的理解能力。 混合大小编码器基于局部信息密度自适应选择分词粒度有效处理不同信息密度的时间序列数据。 零样本预测能力无需微调即可在不同领域实现强大的泛化能力降低模型应用门槛。⚡ 高效性能以较少的参数约2300万实现卓越的预测性能适合资源受限的环境部署。 模型基本规格参数规模约2300万训练数据PreSTS语料库3000多亿时间点架构基于Transformer的自适应组件上下文长度2048预测长度64 5分钟快速上手步骤1️⃣ 克隆项目仓库首先克隆Kairos项目仓库到本地git clone https://gitcode.com/hf_mirrors/mldi-lab/Kairos_23m cd Kairos_23m2️⃣ 安装依赖确保已安装必要的依赖库主要包括PyTorch和transformerspip install torch transformers3️⃣ 加载模型使用transformers库中的AutoModel类加载Kairos-23M模型import torch from tsfm.model.kairos import AutoModel # 加载模型 model AutoModel.from_pretrained( mldi-lab/Kairos_23m, trust_remote_codeTrue )4️⃣ 准备输入数据准备时间序列输入数据设置预测配置# 预测配置 batch_size, context_length, prediction_length 1, 2048, 96 seqs torch.randn(batch_size, context_length)5️⃣ 执行预测调用模型进行时间序列预测prediction_length 96 forecast model( past_targetseqs.clone().detach().float(), prediction_lengthprediction_length, generationTrue, preserve_positivityTrue, average_with_flipped_inputTrue ) # 提取预测结果 forecast forecast[prediction_outputs] print(forecast.shape) # 输出预测结果的形状 进阶使用指南调整预测参数可以通过调整模型预测参数来优化预测结果preserve_positivity设置为True可确保预测结果为正值average_with_flipped_input设置为True可通过平均翻转输入的预测结果来提高稳定性查看详细配置模型的详细配置信息可在config.json文件中查看包括网络结构、注意力机制、嵌入维度等参数。获取更多示例如需更多使用示例请参考项目的主要仓库。 引用说明如果在研究或项目中使用了Kairos-23M模型请引用以下论文article{feng2025kairos, title{Kairos: Toward Adaptive and Parameter-Efficient Time Series Foundation Models}, author{Feng, Kun and Lan, Shaocheng and Fang, Yuchen and He, Wenchao and Ma, Lintao and Lu, Xingyu and Ren, Kan}, journal{arXiv preprint arXiv:2509.25826v2}, year{2025} } 许可证信息Kairos-23M模型采用Apache License 2.0许可证详情请参见项目中的LICENSE文件。通过以上简单步骤您可以快速上手Kairos-23M模型实现高效、准确的时间序列预测任务。无论是工业监控、金融预测还是环境监测Kairos-23M都能为您提供强大的预测能力。【免费下载链接】Kairos_23m项目地址: https://ai.gitcode.com/hf_mirrors/mldi-lab/Kairos_23m创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考