TOTEM

把时间序列变成 token，一个模型搞定预测、分类、异常检测

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 64 👀 关注 11
GitHub ↗
GitHub 星标 ★ 374
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，代码公开，可自行部署使用，无收费信息。

项目预览

TOTEM 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SaberaTalukder
GitHubhttps://github.com/SaberaTalukder/TOTEM
定价模式🏷️完全免费
价格说明开源项目，代码公开，可自行部署使用，无收费信息。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
技术栈/模型foundation-models,representation-learning,time-series,time-series-analysis,time-series-anomaly-detection,time-series-forecasting,time-series-foundation-model,time-series-imputation,tokenization
GitHub 星标★ 374
上线时间2024-02-27 00:00:00
代码更新2025-02-20
仓库体积67 KB
本站数据更新2026-11-11
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

TOTEM 是一个面向通用时间序列分析的开源模型，核心思路是将连续的时间序列数据离散化为 token（令牌），从而将时间序列分析任务统一转化为类似自然语言处理的 token 处理问题。它解决了传统时间序列模型难以跨任务泛化、特征工程繁琐的痛点，提供了一套预训练嵌入模型，能够将时间序列片段映射为紧凑的向量表示，并支持分类、回归、异常检测、预测等多种下游任务。TOTEM 基于 Transformer 架构，通过自监督学习在大规模时间序列语料上预训练，学习到通用的时序语义。项目代码使用 Python 和 PyTorch 实现，提供了完整的训练、微调和推理流程，方便研究者复现和扩展。其核心能力在于：统一的 token 化表示、跨领域迁移能力、以及多任务适配的灵活性，为时间序列分析提供了一种新的范式。

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 ★ 374

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：高级 约 60 分钟 部署方式：本地 GPU 4 步

环境要求

  • Linux + NVIDIA GPU
  • Python 3.10+
  • 时序数据集

安装与启动步骤

  1. 1拉代码

    时序离散化的研究实现，含训练与评测脚本

  2. 2装依赖

    按 requirements 装，注意 torch 版本

    pip install -r requirements.txt

  3. 3准备数据

    支持多领域时序，按脚本要求摆

  4. 4先跑单领域

    通用模式与专家模式分开试，从单领域开始

如何确认成功

在一个单领域数据上训练若干轮，重建误差低于随机基线，采样序列的统计特征接近真实数据。

注意事项

  • 把连续时序压成离散码本，卖点是统一多领域而不是按领域造特征。
  • 研究代码，脚本组织较松，路径要按 README 改。
  • 训练前要做归一化与切窗，预处理错会得到看似收敛但无意义的结果。
  • 评测口径以论文为准，跨数据集对比要谨慎。
  • 显存需求中等，长序列场景仍要降 batch。

核心亮点

  • 创新性地将时间序列 token 化，统一了多种分析任务的输入表示，降低任务切换成本
  • 预训练模型具备跨领域迁移能力，在小样本场景下也能快速适配新任务
  • 基于 Transformer 架构，代码结构清晰，易于二次开发和扩展新任务

不足之处

  • 项目处于早期阶段（373 星），文档和社区生态尚不完善，上手门槛较高
  • token 化过程可能丢失细粒度时序信息，对高频或高精度场景需额外验证

适用场景

  • 多领域时间序列分类（如医疗信号、工业传感器）
  • 小样本或零样本场景下的时序预测与异常检测
  • 作为通用时序特征提取器，服务于下游机器学习模型

替代项目

Chronos、TimeGPT、TimesNet

上一篇：hls-foundation-os

下一篇：lmms-finetune

同类项目推荐

mcore-bridge 开源

让 Megatron 像 Transformers 一样简单，直接训 500+ 大模型

MCore-Bridge: Providing Megatron-Core model definitions for state-of-the-art large m···

★ 107 2026-09-25
flow-matching 开源

用流匹配快速训练图像生成模型，替代扩散模型

Flow Matching implemented in PyTorch

★ 131 2026-08-09
Dreambooth 开源

用几张照片微调扩散模型，让AI学会画你的专属对象

Fine-tuning of diffusion models

★ 97 2026-08-09
ml-mdm 开源

用更少数据和算力，训出高质量文生图模型

Train high-quality text-to-image diffusion models in a data & compute efficient mann···

★ 516 2026-09-17
Medusa 开源

给大模型加几个解码头，生成速度翻倍，不用改架构

Medusa: Simple Framework for Accelerating LLM Generation with Multiple Decoding Head···

★ 2773 2026-08-09
JacobiForcing 开源

让模型生成快数倍，质量不打折的并行解码新方案

[ICML 2026] Jacobi Forcing: Fast and Accurate Diffusion-style Decoding

★ 119 2026-08-09
DAEDAL 开源

免训练，让扩散语言模型按需生成任意长度文本

[ICLR 2026] Official repository of "Beyond Fixed: Training-Free Variable-Length Deno···

★ 176 2026-08-09
alpamayo-recipes 开源

自动驾驶大模型微调、量化、部署一条龙配方

Developer Hub for NVIDIA Alpamayo, containing ready-to-use recipes for fine-tuning, ···

★ 228 2026-09-16
ReaLHF 开源

重新分配参数，让 RLHF 训练更快更省资源

Super-Efficient RLHF Training of LLMs with Parameter Reallocation

★ 337 2026-08-09