time-series-ptms

一站式复现和对比时间序列预训练模型，加速研究落地

这是一个时间序列预训练模型（PTMs）的官方实现代码库，对应TKDE-24论文《A Survey on Time-Series Pre-Trained Models》。项目旨在系统梳理和复现时间序列领域的主流预训练模型，解决该领域模型分散、复现成本高、对比困难的问题。核心能力包括：提供统一接口加载多种预训练模型（如PatchTST、TimesNet等），支持模型微调与评估，附带论文中使用的基准数据集和实验配置。通过该库，研究者可以快速对比不同PTMs在预测、分类等任务上的性能，降低入门门槛，促进时间序列预训练模型的标准化研究和应用。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 230
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队qianlima-lab
所属国家
官网地址
GitHubhttps://github.com/qianlima-lab/time-series-ptms
定价模式free
价格说明开源项目，代码免费，可自行部署使用。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型anomaly-detection,classification,forecasting,foundation-models,pre-training,time-series
GitHub 星标★ 230
30天Star增速
HF 下载量
上线时间2022-03-31 00:00:00
最近更新2026-09-04 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 官方论文配套代码，模型实现经过验证，可靠性高
  • 统一封装多种主流PTMs，降低对比实验的工程成本
  • 提供基准数据集和实验配置，便于快速复现论文结果

不足之处

  • 项目处于早期阶段，文档和社区支持尚不完善
  • 模型覆盖范围可能有限，未包含所有最新PTMs

适用场景

  • 学术研究：对比不同时间序列预训练模型的性能
  • 工业选型：评估PTMs在特定业务预测任务上的适用性
  • 教学入门：学习时间序列预训练模型的标准实现

替代项目

Time-Series-Library、Autoformer、Informer

项目介绍

time-series-ptms 是开源模型领域的开源项目，由 qianlima-lab 开发，2022 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 230。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-04。代码免费，可自行部署使用。

它主要面向的使用场景是：学术研究：对比不同时间序列预训练模型的性能。同类可对比的替代方案包括 Time-Series-Library、Autoformer、Informer。

上一篇：mPLUG-2

下一篇：Awesome-Foundation-Models-on-Graphs

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10