TimesFM 2.5 加载前如何用 check_system.py 预检脚本确认硬件与数据集内存满足要求【免费下载链接】timesfmTimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.项目地址: https://gitcode.com/GitHub_Trending/ti/timesfm第一次加载 TimesFM 2.5 时模型本身约 800 MB 权重CPU 上约 1.5 GB 内存和你要喂给它的数据集成百上千条序列都会吃内存机器配置不足时可能直接跑挂。TimesFM 仓库中的timesfm-forecastingskill 为此提供了预检脚本check_system.py它先检查 RAM、GPU、磁盘与 Python 环境再按你给出的数据集参数估算内存需求给出预检是否通过的结论。本文按顺序执行这两类检查、读懂报告输出并处理脚本给出的 FAIL/WARN 项。前提是 Python ≥ 3.10脚本本身会检查这一项系统兼容性以 system_requirements.md 为准LinuxUbuntu 20.04、macOS 13、Windows 11 WSL2 为完全支持。预检脚本检查什么、放在哪里脚本位于 timesfm-forecasting/scripts/check_system.py。文档中的python scripts/check_system.py命令假定你在timesfm-forecasting/目录下执行。脚本只读取系统状态内存、GPU、磁盘、Python 版本、包安装状态不修改环境可以重复运行。它只依赖标准库和如果已安装的torch所以在安装 timesfm 之前的干净环境里就能运行此时 timesfm/torch 两项会显示 WARN属于预期结果。脚本默认按v2.5模型配置TimesFM 2.5200M 参数检查要检查旧版本时传--model v2.0或--model v1.0可选。第 1 步运行硬件项检查# 在 timesfm-forecasting 目录下执行 python scripts/check_system.py脚本按 v2.5 配置依次检查 6 个项目判定逻辑来自脚本源码项目判定RAM总内存 2 GB → FAIL脚本原文模型可能加载失败或系统重度换页导致无响应2–4 GB → WARN提示改用per_core_batch_size4或更低≥ 4 GB → PASSGPU检测到 CUDA → PASS并报告设备名与 VRAM 大小检测到 Apple Silicon MPS → PASS无 GPU → WARNCPU 模式slower but functionalDisk检查 HuggingFace 缓存目录HF_HOME或~/.cache/huggingface该目录尚不存在时检查主目录的空闲空间 2 GB → FAILPython 3.10 → FAILtimesfm未安装 → WARNtorch未安装 → WARN且 GPU 项显示 Unknown几个需要留意的判定细节GPU 项只判断有没有 GPU不按 VRAM 大小拦截TimesFM 2.5 的 GPU 要求VRAM ≥ 2 GB见 SKILL.md 的硬件需求表。磁盘项为 v2.5 配置预留 2 GB权重 开销system_requirements.md 给出的总下载量约 1 GB~800 MB 权重 ~200 MB 缓存开销。WARN 不影响整体通过只有 FAIL 才算不通过任一项 FAIL 时脚本退出码为 1否则为 0。报告输出示例下面按脚本的输出格式构造实际数值取决于你的机器 TimesFM System Requirements Check Model: TimesFM 2.5 (200M) [RAM ] Total: 32.0 GB | Available: 21.5 GB ✅ PASS [GPU ] None (CPU only) ⚠️ WARN [Disk ] Free: 45.0 GB (in /home/user) ✅ PASS [Python ] 3.12 ✅ PASS [timesfm ] Not installed ⚠️ WARN [torch ] Not installed ⚠️ WARN VERDICT: ✅ System is ready for TimesFM 2.5 (200M) (CPU mode) Recommended: per_core_batch_size64VERDICT 行是最终判定各项均为 PASS/WARN 时显示 System is ready for ... (CPU/GPU/MPS mode)并在下一行给出推荐的per_core_batch_size存在 FAIL 时显示 System does NOT meet requirements for TimesFM 2.5 (200M) 并列出各失败项原因。推荐值稍后会填入ForecastConfig。需要机器可读结果时加--json参数可选。第 2 步估算数据集内存是否满足硬件检查通过后用数据集的真实参数估算这份数据装不装得下# 在 timesfm-forecasting 目录下执行 python scripts/check_system.py \ --num-series 1000 \ --context-length 1024 \ --horizon 24 \ --batch-size 32--num-series数据集中时间序列的条数--context-length每条序列的上下文长度对应ForecastConfig的max_context。两者必须同时提供估算才会输出。--horizon预测步长默认 24。--batch-size即per_core_batch_size默认 32。加--estimate-only只输出内存估算、跳过系统检查该模式下退出码恒为 0可选。命令中的 1000 / 1024 / 24 / 32 是 SKILL.md 给出的示例值替换为你数据集的序列条数、上下文长度、预测步长与批大小。估算的构成脚本的估算来自脚本中的estimate_memory_gb函数组件计算方式模型权重固定 0.8 GB运行时开销固定 0.5 GB输入数据num_series × context_length × 4字节批处理峰值batch_size × context_length × 4字节输出数据num_series × horizon × 10 个分位数 × 4字节缓冲以上合计再乘 1.2SKILL.md 与 system_requirements.md 另给了一条简化公式RAM ≈ 0.8 GB 0.5 GB (0.2 MB × num_series × context_length / 1000)脚本实际按上表的精确字节数估算两者可能不一致以脚本的实际输出为准。脚本给出的四种判定结果脚本先按总内存的 90% 作为可用内存留 10% 给系统再拿加缓冲后的需求量比较情形报告中的提示行需求 总内存 Dataset requires X GB but system only has Y GB RAM. Consider processing in chunks or using a machine with more RAM.需求 可用内存的 90% Dataset requires X GB but only Z GB is available. Close other applications or restart to free memory.需求 可用内存的 80%✅ 但附注 memory usage will be high. Consider reducing batch_size.其余✅ Dataset fits comfortably: X GB needed, Y GB available.估算输出示例下面示例的数值按脚本公式、用上一节示例参数1000 条序列 × 上下文 1024 × 步长 24 × 批 32计算得出System RAM/Available RAM与实际判定行取决于你的机器 Memory Estimate for Dataset Dataset: 1,000 series × 1024 context length Horizon: 24 steps Batch size: 32 Model: v2.5 -------------------------------------------------- Model weights: 0.80 GB Overhead: 0.50 GB Input data: 0.00 GB Batch processing: 0.00 GB Output data: 0.01 GB -------------------------------------------------- Total (raw): 1.31 GB Total (20% buf): 1.58 GB -------------------------------------------------- System RAM: 32.0 GB Available RAM: 21.5 GB ✅ Dataset fits comfortably: 1.58 GB needed, 32.0 GB available. 注意脚本退出码只反映第 1 步的系统项有 FAIL 才退出 1即使数据集估算给出 退出码也不变因此必须以报告末尾的 ✅/ 行为准。脚本报告的 FAIL/WARN 怎么处理RAM FAIL总内存 2 GB脚本原文是模型可能加载失败或系统重度换页、变得无响应没有给出可降级的替代方案SKILL.md 硬件需求表中 2.5 的 CPU 要求为 ≥ 4 GB建议换更高内存的机器。Disk FAIL脚本建议腾出空间或把缓存指到更大的卷。system_requirements.md 的 【免费下载链接】timesfmTimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.项目地址: https://gitcode.com/GitHub_Trending/ti/timesfm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考