Chronos Tiny ETTh1 微调演示包

这个目录是一套最小可运行的 fine-tune demo，目标是让同学看到：

• chronos-t5-tiny 不只是能 zero-shot 预测
• 它也可以在本地 ETTh1 数据上做一个最小监督微调
• 微调前后可以直接做预测对比

目录结构

• 0-finetune-chronos-etth.py 最小微调脚本
• 0-finetune-chronos-etth.sh 一键运行脚本
• 0-finetune-chronos-etth_intro.md 面向编程初学者的代码说明
• requirements.txt 这套示例所需依赖

这套示例默认用什么

• 基础模型：../2-prog/models/chronos-t5-tiny
• 数据：../2-prog/data/ETTh1.csv
• 目标列：OT
• 历史窗口：512
• 预测长度：64

这里刻意把 prediction_length 设成 64，是为了和当前 chronos-t5-tiny 的默认 Chronos 配置保持一致。

最快跑通的方法

pip install -r requirements.txt
./0-finetune-chronos-etth.sh

运行后会生成：

• outputs/chronos-t5-tiny-etth-finetuned/ 微调后的模型目录
• outputs/chronos_tiny_finetune_compare.png 微调前后预测对比图
• logs/finetune_metrics.json 训练损失、验证损失和 MAE 指标

这份 demo 真正在展示什么

它不是完整研究级训练流程，而是一个课堂级的最小闭环：

1. 从 ETTh1 里切滑动窗口
2. 用 Chronos 自带 tokenizer 把数值序列转成 token
3. 用 T5 seq2seq 模型做 teacher-forcing 训练
4. 保存微调后的模型
5. 用 ChronosPipeline 对比微调前后预测

所以它最适合回答的问题是：

• “如果我已经有一个 time-series foundation model，最小微调闭环长什么样？”