Maple728/TimeMoE-50M(架构 time_moe,TimeMoeForPrediction)是一个基于 Mixture-of-Experts 的单变量多步时间序列预测基础模型,已在本仓库真实运行于单卡昇腾 npu:0(Ascend910)完成前向推理。本仓库为 GitCode AI model 类型,标签 #NPU。
Maple728/TimeMoE-50M,revision 由 config.json 固定(safetensors 权重 ~226 MB,参数量 113,352,192)。time_moe / TimeMoeForPrediction,Transformer decoder + MoE(8 experts,top-2),12 层,hidden 384,input_size=1。horizon_lengths=[1,8,32,64])。AutoModelForCausalLM + trust_remote_code=True(本地代码已审查,无网络/子进程/文件写入风险)。[1, T](batch=1,时间步 T=336),单通道(input_size=1)。scale = max(|series|) 做除法归一化输入,预测后再乘以 scale 还原(report 为 inverse 后数值)。Ascend910_9362),torch.npu.is_available()==True,device_count=2,使用 npu:0。pip install -r requirements.txt模型权重需放在 models/TimeMoE-50M/(含 config.json、model.safetensors、modeling_time_moe.py、configuration_time_moe.py、ts_generation_mixin.py)。可通过环境变量 TIMEMOE50M_MODEL_DIR 指定路径。
python inference.py --context 336 --prediction 64脚本加载同一权重,将模型与输入显式迁移到 npu:0,使用 use_cache=False 规避远端代码与新版 transformers 的缓存格式差异(数值语义不变),输出 horizon=64 的点预测。异常返回非零。
[data] airline passengers: n=144 context=336 horizon=64
[result] forecast[0:8]=[428.57, 402.85, 445.28, 454.18, 476.68, 567.38, 661.49, 647.76]
[result] forecast[-8:]=[580.59, 511.81, 457.84, 488.96, 490.81, 478.69, 515.33, 528.59]
[result] sync_elapsed_s=0.3363
[status] NPU inference completed successfully同一权重、同一 airline 输入、同一预处理与随机种子,float32:
np.allclose(atol=1e-3, rtol=1e-2) 通过。
— 侦察、下载、加载、NPU 推理、一致性、性能与提交校验。
— npu-smi、NPU 可用性、设备名、模型参数 device/dtype。
— 默认 python inference.py 的真实完整输出。以上三图由 xterm.js 依据本次真实日志生成,非手工补写。
use_cache=False 前向路径以适配当前 transformers 版本,输出与 use_cache=True 数值一致。input_size=1)输入;多变量需按模型契约扩展。