企业官网建设流程全解析

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_23m

Kairos-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_23m

2️⃣ 安装依赖

确保已安装必要的依赖库，主要包括PyTorch和transformers：

pip install torch transformers

3️⃣ 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_code=True )

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_target=seqs.clone().detach().float(), prediction_length=prediction_length, generation=True, preserve_positivity=True, average_with_flipped_input=True ) # 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