يدعم بيانات 2D (الصورة) و 3D (الفيديو) كمدخلات لأغراض البحث.
pip install timediffusionالتنبؤ السلسلة الزمنية
# train sequence in shape [channels, sequence_length]
model = TD ( input_dims = train . shape ). to ( device = device )
training_losses = model . fit ( train )
# horizon : int - how many future values to forecast
predictions = model . forecast ( horizon )خلق سلسلة زمنية اصطناعية
# sequence in shape [channels, sequence_length]
model = TD ( input_dims = seq . shape ). to ( device = device )
training_losses = model . fit ( seq )
# proximity - how close to original, samples - total synthetic time series
synthetic_data = model . synth ( proximity = 0.9 , samples = 3 , batch_size = 2 , step_granulation = 10 )سلسلة زمنية التضمين
# sequence in shape [channels, sequence_length]
model = TD ( input_dims = seq . shape ). to ( device = device )
# mask - binary array of same shape, as sequence, with 1 in positions, that are unknown
training_losses = model . fit ( seq , mask = mask )
restored_seq = model . restore ( example = seq , mask = mask )السلسلة الزمنية: مثال على مهام متعددة
التنبؤ مثال سعر البيتكوين
الخلاصة الرئيسية وراء نموذج Timediffusion هو أنه في الواقع ، عند العمل مع السلاسل الزمنية ، ليس لدينا العديد من العينات ، حيث يمكن أن يكون في مجالات التعلم الآلي الأخرى (مثل CV ، NLP). وبالتالي ، فإن الأساليب التلقائية الكلاسيكية مثل ARIMA لديها النهج الأنسب للتركيب / التدريب فقط على التسلسل الأصلي (ربما مع بعض البيانات الخارجية).
يستلهم Timediffusion من هذه الأساليب المحددة والقطارات فقط على عينة الإدخال. يشتمل النموذج على أقوى تقنيات التعلم العميق الحديثة مثل عملية الانتشار والتلوينات المتوسعة الأسية والاتصالات المتبقية وآلية الانتباه (في أحد الإصدارات)
TimeDiffusionProjector - ملحقات متوسعة الأسية + الاتصالات المتبقية.النموذج الرئيسي حاليا في الاستخدام
TimeDiffusionAttention - آلية الانتباه على قمة أجهزة عرض TimeDiffusionProjector (Q ، K ، V).حاليا غير قابلة للحياة
TimeDiffusionLiquid - تلوينات متوسعة أسية مع وزن تلغيرات متوسطة مشتركة.خفيفة الوزن ، سريعة ، ولكن أقل دقة من النموذج الرئيسي.
الواردة أدناه هي مخططات تصور مكونات النموذج ، كل مخطط جديد يمثل مستوى أعلى من التجريد.


