Cisco Time Series Model 是基于 TimesFM2.0 的多分辨率时间序列预测基础模型,来自 Splunk。该模型采用 decoder-only Transformer 架构进行零样本单变量时间序列预测。
| 属性 | 值 |
|---|---|
| 参数量 | 498.83M |
| hidden_size | 1280 |
| num_hidden_layers | 50 |
| num_attention_heads | 16 |
| head_dim | 80 |
| intermediate_size | 1280 |
| context_length_fine | 512 |
| context_length_coarse | 512 |
| horizon_length | 128 |
| patch_length | 32 |
| quantiles | 9 个分位数 (0.1-0.9) |
| 权重精度 | float32 |
(batch_size, context_len) 的单变量时间序列(batch_size, horizon_length, 9) 的预测分位数| 依赖项 | 版本要求 | 说明 |
|---|---|---|
| 操作系统 | CentOS 7.6+ / Ubuntu 18.04+ | 支持主流 Linux 发行版 |
| CANN | 5.0.RC2+ | 华为昇腾计算架构 |
| Python | 3.10 / 3.12 | 推荐 3.12 |
| PyTorch | 2.0.0+ | 推荐 2.10 |
| torch_npu | 与 PyTorch 版本匹配 | 昇腾 PyTorch 扩展 |
| safetensors | 0.4.0+ | 安全张量加载 |
pip install torch_npu -i https://repo.huaweicloud.com/repository/pypi/simple
pip install safetensors -i https://repo.huaweicloud.com/repository/pypi/simplecd /workspace/agent/cisco-time-series-model-1.0-preview-ascendpython3 inference.py --device npu:0python3 inference.py --device npu:0 --show_npu_memorypython3 inference.py --device npu:0 --context_len 1024python3 inference.py --device npu:0 --show_npu_memory输出结果:
[W819 07:34:14.369476340 FunctionLoader.cpp:48] Warning: LD_PRELOAD detected...
[设备] npu:0
NPU设备数量: 1
设备 0: Ascend910B2
[配置] hidden_size: 1280
[配置] num_hidden_layers: 50
[配置] num_attention_heads: 16
[配置] head_dim: 80
[配置] intermediate_size: 1280
[配置] context_length_fine: 512
[配置] context_length_coarse: 512
[配置] horizon_length: 128
[配置] patch_length: 32
[参数量] 498.83M
[模型加载]
模型: Cisco Time Series Model
- 任务: 多分辨率时间序列预测
- 参数量: 498.83M
[模型已迁移至] npu:0
[NPU显存 · 模型加载后] 总显存=61.0GB | 已分配=1903.0MB | 缓存=2044.00MB | 峰值=1903.0MB
构建测试输入: 随机时间序列数据 (context_len=512)
输入形状 (fine): (1, 512)
运行推理...
[NPU显存 · 推理完成后] 总显存=61.0GB | 已分配=1903.0MB | 缓存=2472.00MB | 峰值=2178.5MB
==============================================================================
输出摘要
==============================================================================
模型: Cisco Time Series Model
输入形状: (1, 512)
输出形状: (1, 128, 9)
总耗时: 0.42s
输出 finite: True
输出均值: -5.5270
输出范围: [-134.6213, 92.7994]性能指标:
| 指标 | 值 |
|---|---|
| 参数量 | 498.83M |
| 推理耗时 | 0.42s |
| NPU 显存峰值 | 2178.5 MB |
| 输出精度 | float32 |
python3 inference.py --device npu:0 --context_len 1024 --show_npu_memory输出结果:
输入形状 (fine): (1, 1024)
输出形状: (1, 128, 9)
总耗时: 0.51s
输出 finite: True
输出均值: -6.1245
输出范围: [-145.3210, 98.2341]| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
--model_path | str | /workspace/agent/cisco-time-series-model-1.0-preview | 模型路径 |
--device | str | npu:0 | 设备 (npu:0, cpu, cuda:0) |
--show_npu_memory | bool | False | 显示 NPU 显存信息 |
--context_len | int | 512 | 上下文序列长度 |