chronos-forecasting

像用语言模型一样,零样本预测任意时间序列

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 768 🐛 待处理 43 👀 关注 50
GitHub ↗
GitHub 星标 ★ 6277
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源模型,Apache-2.0许可证,可免费使用和部署。

项目预览

chronos-forecasting 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队amazon-science
定价模式🏷️完全免费
价格说明开源模型,Apache-2.0许可证,可免费使用和部署。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型artificial-intelligence,forecasting,foundation-models,huggingface,huggingface-transformers,large-language-models,llm,machine-learning,pretrained-models,time-series,time-series-forecasting,timeseries,transformers
GitHub 星标★ 6277
上线时间2024-02-23 00:00:00
代码更新2026-10-05
仓库体积3.0 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数3

项目介绍

Chronos是一个基于Transformer架构的预训练时间序列预测模型库,由Amazon Science团队开发。它解决了传统时间序列预测模型需要针对每个数据集单独训练、泛化能力差的问题。Chronos将时间序列数值通过缩放和量化转换为词元序列,借用语言建模的思路进行预训练,从而学习到跨数据集的通用时序模式。其核心能力包括:零样本预测(无需微调即可应用于新数据集)、支持点预测和概率预测、提供不同规模(小型、基础、大型)的预训练模型权重。该库基于PyTorch实现,提供简洁的Python API和命令行接口,用户只需几行代码即可完成预测任务。Chronos在多个公开基准上表现优异,尤其擅长处理具有趋势、季节性和不规则成分的复杂时间序列,为缺乏深度学习资源的小团队提供了开箱即用的高质量预测工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6277

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • 已安装 Python 环境(README 未指定具体版本)
  • 可用的 pip 包管理工具
  • 首次加载模型需要联网访问 Hugging Face 下载权重(模型仓库为 amazon/chronos-2)
  • 如选择生产部署,需要可用的 AWS 账号

安装与启动步骤

  1. 1准备 Python 环境

    确认本机已安装 Python 与 pip。README 未指定最低版本,建议使用较新的 Python 3 环境并配置好虚拟环境。

    python -V
  2. 2安装 chronos 包

    README 给出的唯一本地安装方式,通过 pip 从 PyPI 安装 chronos-forecasting 包。

    pip install chronos-forecasting
  3. 3运行快速上手示例

    README 提供了 Chronos-2 快速上手 notebook,演示零样本单变量、多变量及带协变量的预测任务。

  4. 4生产部署(推荐方式)

    README 推荐生产环境将 Chronos-2 部署到 AWS,使用 AutoGluon-Cloud 高层 Python API,输入 Pandas DataFrame、输出预测结果。

  5. 5生产部署(JumpStart)

    另一种方式是通过 Amazon SageMaker JumpStart 部署,可在 CPU 或 GPU 上创建实时推理端点并接入现有 AWS 工作流。

关键配置

配置项必填说明示例
模型 ID否从 Hugging Face 加载的预训练模型仓库标识amazon/chronos-2

如何确认成功

执行 pip show chronos-forecasting 能显示包版本信息,说明安装成功;随后运行随包提供的 notebook 应能正常输出预测结果。

常见问题

Q:这个库需要自己训练模型吗?

A:不需要。Chronos 是预训练模型,支持零样本预测,无需微调即可直接应用到新的时间序列数据集上。

Q:支持概率预测吗?

A:支持。README 提到模型可同时提供点预测和概率预测,具体用法请参考官方示例 notebook。

Q:本地安装后怎么做推理?

A:README 的 Usage 部分只给出 pip 安装命令,实际推理代码请参考仓库 notebooks 目录下的示例,如 chronos-2-quickstart.ipynb。

Q:生产环境应该怎么部署?

A:推荐部署到 AWS:一是 AutoGluon-Cloud 高层 API,二是 Amazon SageMaker JumpStart 实时端点,两者官方均有教程。

注意事项

  • README 的 Usage 部分仅提供 pip 安装命令,未给出本地推理代码,务必以仓库 notebooks 中的示例为准。
  • Chronos-2 发布于 2025 年 10 月,支持单变量、多变量和协变量预测,旧版本模型(如 Chronos-Bolt)行为可能不同。
  • 模型权重托管在 Hugging Face,首次加载需要联网下载,请保证网络可达。
  • 生产部署涉及 AWS 资源会产生费用,请按官方教程和账号配额谨慎操作。

核心亮点

  • 零样本预测能力:无需针对新数据集重新训练,直接使用预训练权重即可获得不错效果,极大降低使用门槛
  • 多规模模型可选:提供small/base/large三种预训练模型,用户可根据精度和资源需求灵活选择
  • API简洁易用:几行Python代码即可完成预测,同时支持CLI和训练自定义模型,适合快速集成

不足之处

  • 模型较大,推理速度较慢,不适合低延迟或边缘部署场景
  • 文档/社区待观察:项目较新,中文资料和第三方教程较少,依赖英文文档

适用场景

  • 业务指标预测:电商销量、库存需求、网站流量等短期预测
  • 运维监控:服务器CPU、内存等时序指标的异常预测与容量规划
  • 金融与能源:股票价格趋势、电力负荷等中短期预测

替代项目

N-BEATS、N-HiTS、Darts

上一篇:VLM-R1

下一篇:alignment-handbook

同类项目推荐

CICD-for-Machine-Learning 开源

用GitHub Actions一键跑通模型训练到部署全流程

A beginner's project on automating the training, evaluation, versioning, and deploym···

★ 123 2026-08-09
Merge-Stable-Diffusion-models-wi··· 开源

不训练,无损合并多个Stable Diffusion模型,统一风格与能力。

Adaptation of the merging method described in the paper - Git Re-Basin: Merging Mode···

★ 147 2026-08-09
Large-Time-Series-Model 开源

用预训练大模型搞定时间序列预测,零样本也能用

Official code, datasets and checkpoints for "Timer: Generative Pre-trained Transform···

★ 1027 2026-08-09
Rethinking-OPD 开源

拆解大模型在线蒸馏为何翻车,给出可复现配方

[TMLR] Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Me···

★ 1068 2026-09-15
self-refine 开源

让大模型自己挑错改错,越改越好

LLMs can generate feedback on their work, use it to improve the output, and repeat t···

★ 849 2026-08-09
Liger-Kernel 开源

不改模型结构,给 LLM 训练省显存提吞吐

Efficient Triton Kernels for LLM Training

★ 6691 2026-09-16
prismaquant 开源

按层敏感度自动分配量化精度,省显存不掉点

Mixed-precision quantization for LLMs. Every layer refracts into a different format ···

★ 105 2026-10-31
mlx-tune 开源

在 Mac 上本地微调大模型,多模态全支持,速度飞快

Fine-tune LLMs on your Mac with Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Emb···

★ 1456 2026-08-09