如何读懂 Timer-S1 的 FORECAST 标记？推理日志关键字段速查指南

如何读懂 Timer-S1 的 FORECAST 标记？推理日志关键字段速查指南

【免费下载链接】timer-s1-npu项目地址: https://ai.gitcode.com/atlasleong/timer-s1-npu

Timer-S1 是字节跳动研究团队开源、并已完成昇腾 NPU 适配交付的零样本时间序列预测模型（decoder-only MoE 架构，约 8.3B 参数，32 个专家）。运行推理脚本后，终端会打印一行以FORECAST=开头的语义输出标记，它是判断模型"到底预测了什么"的核心依据。这份 Timer-S1 推理日志速查指南将带你逐字段拆解 FORECAST 标记及其配套字段（shape、p50_head、PREDICTED_CLASS、INFERENCE_WALL_MS 等），新手也能在几分钟内看懂完整输出日志。

为什么日志里要专门打印 FORECAST？

交付推理脚本 inference.py 在昇腾 NPU 上完成一次确定性前向后，会打印三类标记：

• 设备 / 契约标记：确认计算发生在npu:0而不是偷偷回退到 CPU；
• 输入标记INPUT_SEQUENCE=：记录喂给模型的原始时间序列；
• 语义输出标记FORECAST=：记录模型预测的结果，是整个日志的"正餐"。

其中 FORECAST 标记由脚本中的forecast_marker()函数基于本次运行的模型输出真实计算得出，不是写死的字符串，因此它可以直接作为推理是否成功的验收证据。

FORECAST 标记长什么样？

以下是昇腾 910B4 上真实运行的日志行：

FORECAST=shape=(1, 9, 16);finite=True;mean=0.075945;std=0.022661;p50_head=[0.046295,0.092529,0.070312,0.057465,0.074585,0.089600,0.089844,0.104248,0.099121,0.107178,0.076172,0.095703,0.060089,0.081543,0.036499,0.033936];p50_first=0.046295;p50_last=0.033936

乍一看全是数字，其实拆开后只有 6 个字段，逐个看就清楚了。

FORECAST 标记逐字段拆解

💡 一个速读技巧：比较p50_first和p50_last。在本例中两者都接近 0 且末步略低，说明该序列未来 16 步围绕均值小幅波动、没有明显趋势。

9 个分位 × 16 步：position_logits 怎么读

模型的原始输出position_logits形状为(1, 9, 16)，对应三层含义：

• 第 1 维：batch = 1，单样本；
• 第 2 维：9个分位水平[0.1, 0.2, …, 0.9]，即对未来的不确定性建模；
• 第 3 维：16步预测长度（horizon），与配置output_token_lens=[16]一致。

以本仓实测的 position_logits.npy 为例，各分位的预测均值大致如下：

0.1 到 0.9 的区间越窄，模型对预测越有把握。而 FORECAST 标记中的mean/std/p50_head都取自 0.5 分位这一行，也就是"最可能"的预测曲线。

与 FORECAST 配套的关键字段速查表

其中ARGMAX_QUANTILE与PREDICTED_CLASS由argmax(mean(分位维))推导：本例结果为 8，对应第 9 个分位（0.9）。

一次完整推理日志的阅读顺序

下面是一份真实运行的完整日志（节选），建议按"输入 → 设备 → 输出 → 时序 → 校验"的顺序阅读：

STAGE=DELIVERY CHECK_WEIGHTS_OK=4/4 INPUT_DEVICE=npu:0 CPU_FALLBACK=false INPUT_SEQUENCE=shape=(1, 288);finite=True;first=1.926915;mean=0.053220;std=0.999383 POSITION_LOGITS_SHAPE=(1, 9, 16) INFERENCE_WALL_MS=391.713642 FORECAST=shape=(1, 9, 16);finite=True;mean=0.075945;std=0.022661;p50_first=0.046295;p50_last=0.033936 PREDICTED_CLASS=8 ASSETS_VERIFIED=true EXIT_CODE=0

上图是模型最终适配验收结果截图：可以看到 FORECAST、INPUT_SEQUENCE、PREDICTED_CLASS 等标记全部打印，且INPUT_DEVICE=npu:0、CPU_FALLBACK=false、EXIT_CODE=0，说明推理在昇腾 NPU 上顺利完成。

如何确认推理真的跑在 NPU 上？

判断"有没有偷偷用 CPU"很简单：查看INPUT_DEVICE、MODEL_DEVICE、OUTPUT_DEVICE、LOGITS_DEVICE四个标记是否都是npu:0，以及CPU_FALLBACK=false。配合npu-smi快照，还能看到物理 NPU 上的实时 python 进程与内存占用：

常见疑问速答（FAQ）

Q1：FORECAST_FINITE=false 说明什么？说明输出中包含 NaN 或 Inf，通常意味着输入异常或权重加载不完整，需要检查CHECK_WEIGHTS_OK是否为4/4。

Q2：为什么输出是 9 × 16，不是 1 个数字？因为 Timer-S1 输出的是分位数预测：9 个分位刻画不确定性，16 代表预测未来 16 步，这正是时间序列预测与分类任务的区别。

Q3：PREDICTED_CLASS=8 是分类结果吗？不是传统分类。它是argmax(mean(分位维))的离散派生值，本例指向 0.9 分位，用于快速验收输出一致性。

Q4：INFERENCE_WALL_MS 每次都不一样正常吗？正常。单次前向耗时会有小幅波动（本仓多次实测中位数约 375.6 ms），只要数量级稳定即可。

Q5：预测结果存在哪里？证据数组保存在 assets/ 目录下：input.npy（输入）、position_logits.npy（分位预测）、class_ids.npy（离散输出），汇总信息在 inference_summary.json。模型加载方式与分步流程详见 README.md 与 model/config.json。

小结

读懂 Timer-S1 的 FORECAST 标记并不难：抓住shape=(1,9,16)理解输出结构，盯住p50_head看预测曲线，用p50_first / p50_last快速判断趋势，再用CPU_FALLBACK与设备标记确认计算确实发生在昇腾 NPU 上。下次再看到一长串推理日志，照着这份速查指南逐字段对号入座即可，5 分钟就能完成一次完整的日志体检。🎯

【免费下载链接】timer-s1-npu项目地址: https://ai.gitcode.com/atlasleong/timer-s1-npu