Time-series-prediction

(★ 889)

tfts: Time Series Deep Learning Models in TensorFlow

파일 탐색기

최종 버전 다운로드 (.zip)

- AGENTS.md
- review-rules.md
- - build.sh
  - meta.yaml
- - bug-report.md
  - feature-request.md
  - question.md
- - lint.yml
  - pypi_release.yml
  - test.yml
- PULL_REQUEST_TEMPLATE.md
- - __init__.py
  - base.py
  - grocery_sales.py
  - legacy_examples.py
  - recruit_restaurant.py
  - synthetic.py
- __init__.py
- base.py
- cli.py
- formatter.py
- metrics.py
- README.md
- registry.py
- runner.py
- Dockerfile
- - api.rst
  - conf.py
  - faq.rst
  - feature_engineering.rst
  - index.rst
  - installation.rst
  - models.rst
  - tricks.rst
  - tutorials.rst
- make.bat
- Makefile
- requirements_docs.txt
- - deepar_ar_demo.ipynb
  - multi_steps_sales_prediction.ipynb
  - nbeats_ar_demo.ipynb
  - single_step_stock_prediction.ipynb
  - single_step_weather_prediction.ipynb
  - tft_stallion_prediction.ipynb
- README.md
- run_anomaly.py
- run_classification.py
- run_prediction_simple.py
- run_tuner.py
- - __init__.py
  - test_get_data.py
  - test_processor.py
  - test_timeseries.py
- - __init__.py
  - test_anomaly.py
  - test_classification.py
  - test_gpu_tpus.py
  - test_prediction.py
  - test_tfts_inputs.py
  - test_uncertainty.py
- - __init__.py
  - test_auto_feature.py
  - test_datetime_feature.py
  - test_norm.py
  - test_one_order_feature.py
  - test_registry.py
  - test_two_order_feature.py
- - __init__.py
  - test_attention_layer.py
  - test_autoformer_layer.py
  - test_cnn_layer.py
  - test_dense_layer.py
  - test_embed_layer.py
  - test_graph_layer.py
  - test_mask_layer.py
  - test_moe_layer.py
  - test_nbeats_layer.py
  - test_position_layer.py
  - test_rwkv_layer.py
  - test_unet_layer.py
- - test_loss.py
- - __init__.py
  - test_auto_config.py
  - test_auto_model.py
  - test_autoformer.py
  - test_base.py
  - test_bert.py
  - test_deepar.py
  - test_diffusion.py
  - test_dlinear.py
  - test_gpt.py
  - test_informer.py
  - test_itransformer.py
  - test_nbeats.py
  - test_patch_tst.py
  - test_rnn.py
  - test_rwkv.py
  - test_seq2seq.py
  - test_tcn.py
  - test_tft.py
  - test_tide.py
  - test_transformer.py
  - test_unet.py
  - test_wavenet.py
- - __init__.py
  - test_base.py
- - __init__.py
  - test_auto_task.py
  - test_base.py
  - test_pipeline.py
- __init__.py
- test_benchmark_formatter.py
- test_constants.py
- test_demo.py
- test_generator.py
- test_init.py
- test_metrics.py
- test_serving.py
- test_trainer.py
- test_tuner.py
- - __init__.py
  - forecasting.py
- - __init__.py
  - ar.py
  - auto_preprocessor.py
  - get_data.py
  - processor.py
  - timeseries.py
- - __init__.py
  - base.py
  - normal.py
  - outputs.py
- - __init__.py
  - auto_feature.py
  - datetime_feature.py
  - norm.py
  - one_order_feature.py
  - registry.py
  - two_order_feature.py
- - __init__.py
  - autoregressive.py
  - configuration.py
  - outputs.py
  - schedules.py
- - __init__.py
  - attention_layer.py
  - autoformer_layer.py
  - cnn_layer.py
  - dense_layer.py
  - embed_layer.py
  - graph_layer.py
  - mask_layer.py
  - moe_layer.py
  - nbeats_layer.py
  - position_layer.py
  - rwkv_layer.py
  - unet_layer.py
  - util_layer.py
- - __init__.py
  - loss.py
- - __init__.py
  - auto_config.py
  - auto_model.py
  - autoformer.py
  - base.py
  - bert.py
  - deep_ar.py
  - diffusion.py
  - dlinear.py
  - gpt.py
  - informer.py
  - itransformer.py
  - nbeats.py
  - patch_tst.py
  - pfn.py
  - registry.py
  - rnn.py
  - rwkv.py
  - seq2seq.py
  - tcn.py
  - tft.py
  - tide.py
  - timemixer.py
  - timesfm.py
  - transformer.py
  - unet.py
  - wavenet.py
- - __init__.py
  - auto_task.py
  - base.py
  - pipeline.py
- - __init__.py
  - runtime.py
- - __init__.py
  - optuna_tuner.py
- __init__.py
- constants.py
- generator.py
- metrics.py
- trainer.py
- training_args.py
.gitignore
.pre-commit-config.yaml
.readthedocs.yml
AGENTS.md
CHANGELOG.md
codecov.yml
CONTRIBUTING.md
LICENSE
Makefile
poetry.lock
pyproject.toml
README.md
README_CN.md
requirements.txt
setup.cfg

# 설치 가이드

1. 코드 내려받기

git clone https://github.com/LongxingTan/Time-series-prediction

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd Time-series-prediction

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. 공식 설치 스크립트

쉬움 추천

사전 준비물

Python 3 pip 명령어를 쓰려면 Python이 필요합니다.

pip install tfts

PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.

✅ 설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

3. Docker

쉬움

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.

docker build -f docker/Dockerfile -t time-series-prediction .

Dockerfile을 기반으로 실행 가능한 이미지를 빌드합니다.

docker run -p 8080:80 time-series-prediction

빌드된 이미지를 실제 컨테이너로 실행합니다.

✅ 터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.

4. Python

쉬움

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

pip install tfts

PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

5. Make

보통

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.

make

생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.

✅ 에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.