Encoder-decoder Transformer, обученный на месячных данных о туризме для авторегрессионного прогнозирования временных рядов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Time Series Transformer — модель архитектуры encoder-decoder Transformer, обученная командой Hugging Face на наборе monashtsf/tourism-monthly в течение 30 эпох. Она предназначена для прогнозирования временных рядов: при использовании модель авторегрессионно генерирует значения по одному временному шагу за раз.
Модель подходит для экспериментов и прикладных прогнозов на месячных рядах туристической тематики. В карточке указаны форматы PyTorch и Safetensors, а лицензия — MIT. Данные описывают обучение на конкретном наборе tourism-monthly, поэтому переносимость на другие типы рядов не подтверждена.
Модель обучена только на наборе tourism-monthly, поэтому её качество и переносимость на другие предметные области или частоты данных не подтверждены.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Time Series Transformer model trained on the tourism-monthly dataset for 30 epochs.
The Time Series Transformer is a vanilla encoder-decoder Transformer for time-series forecasting. The model is trained in the same way as one trains a Transformer for machine translation. At inference time, the model autoregressively generates samples, one time step at a time.
We refer to the documentation regarding usage.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Временные ряды пока не поддерживаются.