#NPU
ibm-granite/granite-timeseries-ttm-r2 是 IBM Research 的 TinyTimeMixer (TTM) 系列时序基础模型,r2 版本在约 700M 样本上预训练,模型参数约 0.8M (805k)。架构为 TinyTimeMixerForPrediction,支持高频 (minutely/hourly) 单变量/多变量点预测。本仓库适配的检查点为 main 分支 512-96 配置:context_length=512, prediction_length=96, patch_length=64, 轻量高效可在单卡 NPU 上实时推理。原始权重 URL: https://huggingface.co/ibm-granite/granite-timeseries-ttm-r2
past_values 形状 [B, context_length, num_channels],本例 num_channels=1, context_length=512,dtype float32。working/input.csv 2500 行时间序列 (timestamps, open, high, low, close, volume, amount),取 close 列作为单通道输入,或使用合成正弦数据兜底。x_scaled=(x-mean)/std,推理后逆变换 y*std+mean;与官方 TimeSeriesPreprocessor 的 std 方式一致。prediction_outputs 形状 [B, 96, 1],已逆标准化到原始价格域。datasets 模块绕过 pip 可用性限制PYTHONPATH=/tmp/stub:/tmp/granite-tsfm:$PYTHONPATH python inference.pypip install -r requirements.txt
# 克隆 granite-tsfm 源码并创建 datasets stub (已在 inference.py 自动处理,若手动执行)
git clone https://github.com/ibm-granite/granite-tsfm.git /tmp/granite-tsfm --depth 1
mkdir -p /tmp/stub/datasets && echo "class Dataset: pass" > /tmp/stub/datasets/__init__.py
export PYTHONPATH=/tmp/stub:/tmp/granite-tsfm:$PYTHONPATHpython inference.py默认从本地 /tmp/ttm-main 加载权重,若不存在则通过 huggingface_hub.snapshot_download 从 HF_ENDPOINT=https://hf-mirror.com 自动下载。模型与输入显式迁移到 npu:0,计时前后调用 torch.npu.synchronize()。
working/input.csv close 列最后 512 点,均值 10.1009, 标准差 0.3235scripts/compare_outputs.py 返回 0, np.allclose True)assets/agent_workflow.png - 侦察、数据检查、下载、加载、NPU推理、一致性、benchmark、提交校验assets/npu_device_call.png - npu-smi、NPU可用性、设备名、模型参数 device/dtype、输入输出 Tensor deviceassets/model_result.png - 默认 python inference.py 的真实完整输出,含 schema/窗口摘要、真实预测、同步耗时和状态atomgit@pod-a94f8701860f4700b161b00e290de466:~$

get_model 自动选择enable_forecast_channel_mixing 并提供多通道输入trust_remote_code=True 的自定义分支,已审查 granite-tsfm 源码确认无网络/子进程敏感行为