终极TiRex-1.1-gifteval用户手册：从数据准备到高级参数调优的全流程教程

终极TiRex-1.1-gifteval用户手册：从数据准备到高级参数调优的全流程教程

【免费下载链接】TiRex-1.1-gifteval项目地址: https://ai.gitcode.com/hf_mirrors/NX-AI/TiRex-1.1-gifteval

TiRex-1.1-gifteval是一款基于xLSTM架构的时间序列基础模型，专为时间序列预测设计，能够提供长短周期的最先进预测结果。作为35M参数的轻量级模型，它支持零样本预测和分位数估计，无需训练即可直接用于各类时间序列数据预测任务。

🌟 为什么选择TiRex-1.1-gifteval？

核心优势一览

• 零样本预测：无需训练数据，下载即可使用
• 分位数估计：不仅提供点预测，还支持概率分布预测
• 长短周期兼顾：在GiftEval和ChronosZS等权威基准测试中表现领先
• 轻量级架构：35M参数设计，兼顾预测性能与计算效率

版本特性

1.1-gifteval版本在1.0基础上引入了长周期归一化推理技术，并清理了预训练数据集中与GIFT-Eval测试集重叠的部分，进一步提升预测准确性。

🚀 快速开始

环境准备

TiRex目前仅支持Linux系统和计算能力≥8.0的Nvidia GPU，推荐使用conda环境安装：

# 1. 克隆仓库 git clone https://gitcode.com/hf_mirrors/NX-AI/TiRex-1.1-gifteval # 2. 创建并激活conda环境 conda env create --file ./TiRex-1.1-gifteval/requirements_py26.yaml conda activate tirex # 3. 安装TiRex cd TiRex-1.1-gifteval pip install -e . # 4. 可选依赖安装 pip install .[gluonts] # 启用gluonTS数据接口 pip install .[hfdataset] # 启用HuggingFace数据集支持 pip install .[notebooks] # 运行示例 notebooks

基础预测示例

import torch from tirex import load_model, ForecastModel # 加载模型 model: ForecastModel = load_model("NX-AI/TiRex-1.1-gifteval") # 准备输入数据 (5个时间序列，每个长度128) data = torch.rand((5, 128)) # 生成预测 (预测长度64，使用频率重采样策略) forecast = model.forecast( context=data, prediction_length=64, resample_strategy="frequency" )

扩展示例可参考GitHub仓库中的quick_start_tirex.ipynb

📊 数据准备指南

数据格式要求

TiRex支持多种输入格式，核心要求如下：

• 时间序列数据需为二维张量 (num_series, sequence_length)
• 无需标准化，模型内置归一化处理
• 推荐序列长度：128-1024个时间步

支持的数据集

• autogluon/chronos_datasets
• Salesforce/GiftEvalPretrain
• 自定义合成数据

⚙️ 高级参数调优

预测参数详解

1. prediction_length

   • 控制预测周期长度
   • 建议值：16-256（根据数据频率调整）

2. resample_strategy

   • 可选值："frequency"（默认）、"uniform"、"adaptive"
   • 高频数据推荐"frequency"，低频数据推荐"adaptive"

3. quantiles

   • 分位数预测设置，默认返回[0.1, 0.5, 0.9]
   • 可自定义：quantiles=[0.05, 0.5, 0.95]

性能优化技巧

• 批量处理：增加batch_size提升GPU利用率（建议≤32）
• 序列长度：长序列（>512）使用resample_strategy="adaptive"
• 设备选择：优先使用CUDA设备，推理速度提升10-50倍

❓ 常见问题解决

安装问题

• CUDA版本不兼容：确保CUDA≥11.7
• 依赖冲突：使用提供的requirements_py26.yaml创建纯净环境

预测问题

• 结果波动：尝试调整resample_strategy参数
• 内存不足：减小batch_size或序列长度

更多问题请参考GitHub仓库FAQ

📚 引用与致谢

如果在研究中使用TiRex，请引用以下论文：

@article{auerTiRexZeroShotForecasting2025, title = {{{TiRex}}: {{Zero-Shot Forecasting Across Long}} and {{Short Horizons}} with {{Enhanced In-Context Learning}}}, author = {Auer, Andreas and Podest, Patrick and Klotz, Daniel and B{\"o}ck, Sebastian and Klambauer, G{\"u}nter and Hochreiter, Sepp}, journal = {ArXiv}, volume = {2505.23719}, year = {2025} }

📄 许可证信息

TiRex采用NXAI社区许可证，详细条款请查阅许可证文件。

【免费下载链接】TiRex-1.1-gifteval项目地址: https://ai.gitcode.com/hf_mirrors/NX-AI/TiRex-1.1-gifteval