Mindket

Time-series with Transformers

新上架第 1 版 · 更新于

概览

你可以在 Gradio 页面里试用一个给时间序列分类的 Transformer 模型,里面带有两个示例 CSV 文件。适合处理序列数据的学生和开发者。

Time-series with Transformers 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
用在
  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
先运行
pip install -U huggingface_hub
hf download keras-io/timeseries_transformer_classification --repo-type space --local-dir timeseries_transformer_classification
cd timeseries_transformer_classification

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这是 keras-io 做的 Gradio 演示,只包了一个模型:keras-io/timeseries_transformer_classification。名字说明它用 Transformer 给时间序列分类,仓库里还有两个示例 CSV 文件。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁

它适合处理序列数据、想看 Transformer 分类器怎么工作的学生和开发者。老师也可以把它当作现场演示。

行业谁在用怎么用例子
教育机器学习的学生不写代码就试用一个时间序列分类器打开这个 Space,用示例数据
研究数据科学家看一个成品模型是怎样接进演示里的对照示例文件读 app.py
软件Python 开发者在本地运行一份副本并改写下载这个 Space 并启动 app.py

如果你需要训练脚本或预测功能,可以跳过它,因为名字只指向分类。

用在哪里

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途谁用得到什么
试用模型学生页面上显示你所给序列的类别
读代码开发者把模型接到 Gradio 页面的 app.py 文件
复用示例讲师两个可以用在课堂演示里的 CSV 文件

如何设置

先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download keras-io/timeseries_transformer_classification --repo-type space --local-dir timeseries_transformer_classification
cd timeseries_transformer_classification
pip install gradio
pip install -r requirements.txt
python app.py

如何使用

在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例

你在项目文件夹里运行 python app.py。Gradio 页面启动后,你给它一个序列,比如两个示例 CSV 文件之一,页面就会显示模型返回的类别。

新手与专家

如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试试示例数据。这是看时间序列分类器运行的最快办法。

如果你懂这个领域,要注意这个 Space 只列出一个模型,由 app.py 加载。示例 CSV 文件暗示这个演示会从文件里读取序列。从列出的文件看,这个 Space 像是只做推理,所以没有训练步骤,也没有准确率数字。

  1. 打开 Space 或运行 app.py
  2. Gradio 页面加载
  3. 你给它一个时间序列
  4. 所列模型对它分类
  5. 结果显示在页面上

注意事项

来源没有给出准确率数字或输入格式,所以在依赖它之前,请先用你自己的序列测试。

  • License: cc0-1
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 仓库里的文件和它所列的模型,没有列出其他内容

README 和文件

README

Time-series with Transformers

你可以在 Gradio 页面里试用一个给时间序列分类的 Transformer 模型,里面带有两个示例 CSV 文件。适合处理序列数据的学生和开发者。

由 keras-io 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这是 keras-io 做的 Gradio 演示,只包了一个模型:keras-io/timeseries_transformer_classification。名字说明它用 Transformer 给时间序列分类,仓库里还有两个示例 CSV 文件。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁:它适合处理序列数据、想看 Transformer 分类器怎么工作的学生和开发者。老师也可以把它当作现场演示。

行业 | 谁在用 | 怎么用 | 例子
教育 | 机器学习的学生 | 不写代码就试用一个时间序列分类器 | 打开这个 Space,用示例数据
研究 | 数据科学家 | 看一个成品模型是怎样接进演示里的 | 对照示例文件读 app.py
软件 | Python 开发者 | 在本地运行一份副本并改写 | 下载这个 Space 并启动 app.py

如果你需要训练脚本或预测功能,可以跳过它,因为名字只指向分类。

用在哪里:

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途 | 谁用 | 得到什么
试用模型 | 学生 | 页面上显示你所给序列的类别
读代码 | 开发者 | 把模型接到 Gradio 页面的 app.py 文件
复用示例 | 讲师 | 两个可以用在课堂演示里的 CSV 文件

如何设置:先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download keras-io/timeseries_transformer_classification --repo-type space --local-dir timeseries_transformer_classification
cd timeseries_transformer_classification
pip install gradio
pip install -r requirements.txt
python app.py

如何使用:在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例:你在项目文件夹里运行 python app.py。Gradio 页面启动后,你给它一个序列,比如两个示例 CSV 文件之一,页面就会显示模型返回的类别。

新手与专家:如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试试示例数据。这是看时间序列分类器运行的最快办法。

如果你懂这个领域,要注意这个 Space 只列出一个模型,由 app.py 加载。示例 CSV 文件暗示这个演示会从文件里读取序列。从列出的文件看,这个 Space 像是只做推理,所以没有训练步骤,也没有准确率数字。

打开 Space 或运行 app.py
Gradio 页面加载
你给它一个时间序列
所列模型对它分类
结果显示在页面上

注意事项:来源没有给出准确率数字或输入格式,所以在依赖它之前,请先用你自己的序列测试。

  • License: cc0-1
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 仓库里的文件和它所列的模型,没有列出其他内容

Hugging Face 上的数据(2026年11月13日)

  • 点赞:0
  • 构建方式:gradio
  • 许可证:cc0-1.0

链接

  • Space:https://huggingface.co/spaces/keras-io/timeseries_transformer_classification
  • 文件:https://huggingface.co/spaces/keras-io/timeseries_transformer_classification/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Time-series with Transformers 本页0gradiocc0-1.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架