Nixtla TimeGPT 的 Python SDK,用于调用预训练时间序列基础模型做预测和异常检测。
amazon-science/chronos-forecasting
亚马逊推出的预训练时间序列预测模型,支持零样本预测,包括 Chronos-2 系列。
- Star
- 6,161
- Fork
- 751
- 未关闭 Issue
- 40
- 最近提交
- 16天前
这是什么?
Chronos 是亚马逊发布的一组预训练时间序列预测模型,可通过 PyPI 上的 chronos-forecasting 包安装。使用者从 Hugging Face 加载模型,即可直接对新的时间序列生成概率预测,无需先在该数据上训练。
该系列包括支持单变量、多变量及带协变量预测的 Chronos-2,基于分块(patch)的高速版本 Chronos-Bolt,以及基于 T5 架构、按 token 处理的原始 Chronos 模型。模型参数量从约 8M 到 710M 不等。项目提供基于 pandas 的 predict_df 接口,可输出分位数预测,并附有快速入门 notebook 以及 SageMaker、AutoGluon-Cloud 的部署教程。
项目还关联了 fev 包,用于在 Hugging Face datasets 上对预测模型进行基准测试。
核心功能
- 01借助 Chronos-2 对单变量、多变量及带协变量的时间序列进行零样本预测。
- 02输出概率预测,可自定义分位数以生成预测区间。
- 03通过 predict_df 接口直接使用 pandas DataFrame 输入数据。
- 04模型托管于 Hugging Face,参数量从 8M 到 710M 不等。
- 05提供 Amazon SageMaker JumpStart 与 AutoGluon-Cloud 的部署教程。
适用场景
- 在无需为每条序列单独训练模型的情况下,预测需求、销量或电价。
- 为现有时间序列流程补充概率预测区间。
- 在包含未来已知协变量(如促销或天气)的数据上快速验证预测效果。
- 在 AWS 上部署预测服务用于生产推理。
快速上手
- 1
使用 pip 安装该包
pip install chronos-forecasting - 2
安装带 pyarrow 支持的 pandas(加载示例数据所需)
pip install 'pandas[pyarrow]' - 3
加载 Chronos-2 并运行 README 中的最简预测示例(按示例写法需要 CUDA GPU)
使用前须知
- 最简示例使用 device_map="cuda",除非修改设备设置,否则需要 NVIDIA GPU。
- 生产环境推荐部署到 Amazon SageMaker 或 AutoGluon-Cloud,这意味着在生产使用时需要进行 AWS 配置。
标签
常见问题
- chronos-forecasting 是什么?
- 亚马逊推出的预训练时间序列预测模型,支持零样本预测,包括 Chronos-2 系列。 Chronos 是亚马逊发布的一组预训练时间序列预测模型,可通过 PyPI 上的 chronos-forecasting 包安装。使用者从 Hugging Face 加载模型,即可直接对新的时间序列生成概率预测,无需先在该数据上训练。
- chronos-forecasting 可以免费使用吗?用的什么许可证?
- chronos-forecasting 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- chronos-forecasting 还在维护吗?
- 活跃维护中。chronos-forecasting 最近一次提交是在 2026年10月5日。
- chronos-forecasting 适合用来做什么?
- 在无需为每条序列单独训练模型的情况下,预测需求、销量或电价。 为现有时间序列流程补充概率预测区间。 在包含未来已知协变量(如促销或天气)的数据上快速验证预测效果。 在 AWS 上部署预测服务用于生产推理。
- chronos-forecasting 怎么安装和运行?
- 使用 pip 安装该包: pip install chronos-forecasting 安装带 pyarrow 支持的 pandas(加载示例数据所需): pip install 'pandas[pyarrow]' 加载 Chronos-2 并运行 README 中的最简预测示例(按示例写法需要 CUDA GPU)
- 在哪里获取 chronos-forecasting?
- 源代码和安装说明在 GitHub 上:https://github.com/amazon-science/chronos-forecasting
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一个 Go 语言编写的命令行工具与 Web UI,用于从 HuggingFace Hub 并行下载模型和数据集,支持断点续传。
配套《从零构建大语言模型》一书的代码,用 PyTorch 分步实现类 GPT 的大语言模型。
一门免费的动手实践课程,用 Jupyter Notebook 和配套文章讲解 OpenAI、Hugging Face、LangChain 等大模型应用。
基于 Spring AI 的 Java 智能体框架,用于构建智能体、工作流和多智能体应用。
基于 Ray 和 vLLM 的强化学习框架,用于大语言模型与视觉语言模型的人类反馈强化学习训练。