MOMENT-1-large革命性时间序列基础模型零代码实现预测、分类与异常检测【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-largeMOMENT-1-large 是 Auton Lab 开发的革命性时间序列基础模型作为 MOMENT 模型家族的重要成员它能零代码实现预测、分类与异常检测等多种时间序列分析任务为新手和普通用户提供了强大且易用的时间序列处理工具。 MOMENT-1-large 模型简介MOMENT 是一个通用时间序列分析基础模型家族MOMENT-1-large 作为其中的大型版本具有以下显著特点多任务支持可作为多种时间序列分析任务的构建模块如预测、分类、异常检测和插补等。开箱即用无需或只需少量特定任务示例即可有效工作支持零样本预测、少样本分类等场景。可微调性能够使用分布内和特定任务数据进行调优以提高性能。该模型由卡内基梅隆大学的 Auton Lab 开发采用 MIT 许可证模型类型为时间序列基础模型。 快速开始使用 MOMENT-1-large 环境准备推荐使用 Python 3.11 版本你可以通过 pip 安装momentfm包pip install momentfm或者直接从 GitHub 仓库安装最新版本pip install githttps://github.com/moment-timeseries-foundation-model/moment.git 主要任务实现预测任务通过以下代码片段加载预训练模型进行预测任务from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{ task_name: forecasting, forecast_horizon: 96 }, ) model.init()分类任务加载模型进行分类任务的代码如下from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{ task_name: classification, n_channels: 1, num_class: 2 }, ) model.init()异常检测与插补任务对于异常检测、插补等任务可使用以下方式from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{task_name: reconstruction}, ) model.init() 模型详细信息 模型配置MOMENT-1-large 的配置信息存储在 config.json 文件中其中关键参数包括seq_len: 512序列长度patch_len: 8补丁长度patch_stride_len: 8补丁步长transformer_backbone: google/flan-t5-large transformer 骨干网络 教程资源为帮助用户快速上手项目提供了丰富的教程和可重现实验预测forecasting.ipynb分类classification.ipynb异常检测anomaly_detection.ipynb插补imputation.ipynb表示学习representation_learning.ipynb真实世界心电图ECG案例研究ptbxl_classification.ipynb 获取模型你可以通过克隆仓库获取 MOMENT-1-large 模型git clone https://gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large 引用如果使用 MOMENT 模型请引用相关论文inproceedings{goswami2024moment, title{MOMENT: A Family of Open Time-series Foundation Models}, author{Mononito Goswami and Konrad Szafer and Arjun Choudhry and Yifu Cai and Shuo Li and Artur Dubrawski}, booktitle{International Conference on Machine Learning}, year{2024} }MOMENT-1-large 作为一款强大的时间序列基础模型为时间序列分析领域带来了新的可能无论是新手还是专业用户都能借助它轻松实现各种时间序列任务。赶快尝试使用开启你的时间序列分析之旅吧【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MOMENT-1-large：革命性时间序列基础模型，零代码实现预测、分类与异常检测
MOMENT-1-large革命性时间序列基础模型零代码实现预测、分类与异常检测【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-largeMOMENT-1-large 是 Auton Lab 开发的革命性时间序列基础模型作为 MOMENT 模型家族的重要成员它能零代码实现预测、分类与异常检测等多种时间序列分析任务为新手和普通用户提供了强大且易用的时间序列处理工具。 MOMENT-1-large 模型简介MOMENT 是一个通用时间序列分析基础模型家族MOMENT-1-large 作为其中的大型版本具有以下显著特点多任务支持可作为多种时间序列分析任务的构建模块如预测、分类、异常检测和插补等。开箱即用无需或只需少量特定任务示例即可有效工作支持零样本预测、少样本分类等场景。可微调性能够使用分布内和特定任务数据进行调优以提高性能。该模型由卡内基梅隆大学的 Auton Lab 开发采用 MIT 许可证模型类型为时间序列基础模型。 快速开始使用 MOMENT-1-large 环境准备推荐使用 Python 3.11 版本你可以通过 pip 安装momentfm包pip install momentfm或者直接从 GitHub 仓库安装最新版本pip install githttps://github.com/moment-timeseries-foundation-model/moment.git 主要任务实现预测任务通过以下代码片段加载预训练模型进行预测任务from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{ task_name: forecasting, forecast_horizon: 96 }, ) model.init()分类任务加载模型进行分类任务的代码如下from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{ task_name: classification, n_channels: 1, num_class: 2 }, ) model.init()异常检测与插补任务对于异常检测、插补等任务可使用以下方式from momentfm import MOMENTPipeline model MOMENTPipeline.from_pretrained( AutonLab/MOMENT-1-large, model_kwargs{task_name: reconstruction}, ) model.init() 模型详细信息 模型配置MOMENT-1-large 的配置信息存储在 config.json 文件中其中关键参数包括seq_len: 512序列长度patch_len: 8补丁长度patch_stride_len: 8补丁步长transformer_backbone: google/flan-t5-large transformer 骨干网络 教程资源为帮助用户快速上手项目提供了丰富的教程和可重现实验预测forecasting.ipynb分类classification.ipynb异常检测anomaly_detection.ipynb插补imputation.ipynb表示学习representation_learning.ipynb真实世界心电图ECG案例研究ptbxl_classification.ipynb 获取模型你可以通过克隆仓库获取 MOMENT-1-large 模型git clone https://gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large 引用如果使用 MOMENT 模型请引用相关论文inproceedings{goswami2024moment, title{MOMENT: A Family of Open Time-series Foundation Models}, author{Mononito Goswami and Konrad Szafer and Arjun Choudhry and Yifu Cai and Shuo Li and Artur Dubrawski}, booktitle{International Conference on Machine Learning}, year{2024} }MOMENT-1-large 作为一款强大的时间序列基础模型为时间序列分析领域带来了新的可能无论是新手还是专业用户都能借助它轻松实现各种时间序列任务。赶快尝试使用开启你的时间序列分析之旅吧【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考