Skip to main content

> ML_KUTUPHANE // NEURALFORECAST_v1.0

NeuralForecast

Nixtla — Modern transformer ve MLP mimarilerini PyTorch içinde uygulayan derin öğrenme zaman serisi tahmin kütüphanesi.

time-series-forecastingv1.7.4Apache-2.0qualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Destekleniyor
Desteklenen Hızlandırıcılar:
CPUCUDAROCMMPS
Dağıtık Eğitim (Distributed):Evet

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPUCUDAROCMMPS
Hedef Ortamlar (Targets):server

Neleri Sağlar (Ne Yapar)

  • +Kapsamlı derin nöral tahminleme mimarileri paketi (N-BEATS, N-HiTS, TiDE, PatchTST, TimesNet, Informer, Autoformer)
  • +Kalibre edilmiş tahmin aralıklarıyla çok kuantilli olasılıksal tahminleme
  • +Çoklu GPU ve karma duyarlılık hızlandırmalı ölçeklenebilir PyTorch Lightning eğitimi
  • +Polars ve pandas DataFrame yapılarıyla yerel entegrasyon

Neleri Sağlamaz (Ne Yapmaz)

  • -Klasik ekonometrik regresyonları doğal olarak hesaplama (statsmodels kullanın)
  • -Ham piksel video akışları üzerinde çalışma
  • -Saf JavaScript web tarayıcılarında yerel olarak çalışma

>Uygun İş Tipleri

  • Uzun ufuklu elektrik şebekesi yükü ve üretim tahmini
  • Derin çapraz öğrenme ile milyonlarca seri genelinde e-ticaret talep tahmini
  • Zamansal veri kümelerinde son teknoloji Transformer ve MLP mimarilerini kıyaslama

>Uygun Olmayan İş Tipleri

  • AutoARIMA'nın milisaniyeler içinde çalıştığı basit tek serili iş projeksiyonları
  • Donanımsal kayan nokta hızlandırması olmayan uç mikrodenetleyiciler
Veri Yerleşimi ve İkameti

Özel GPU kümelerinde yerel olarak çalışır. Sıfır harici bulut bağımlılığı.

Güvenlik Değerlendirmesi

Sıfır ticari kısıtlama içeren Apache-2.0 lisansı.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:moderate
Operasyon Yükü:moderate
Maliyet Seviyesi:medium
> Bilinen Kısıtlamalar:
  • Derin nöral tahminleyiciler rekabetçi eğitim için GPU hızlandırması gerektirir; yalnızca CPU'lu düğümlerde eğitim süreleri StatsForecast'e göre kat kat yavaş olabilir.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

runtime-oom-crash

> Birincil Kanıt ve Doğrulama Kaynakları

NeuralForecast Documentationofficial-docs • >=1.6.0, <=1.7.x
2026-09-25HIGH