Instala el entorno, los pesos y los datos
Al terminar esta sección, tu equipo tendrá: el código de KiT, un entorno Python capaz de usar la tarjeta gráfica, los pesos oficiales de 1.1GB y los datos de demostración de 1.2GB. El último comando imprimirá cuda True.
Antes de empezar
- Una tarjeta gráfica NVIDIA con el controlador ya instalado (en la terminal
nvidia-smipermite ver la tarjeta) - conda instalado (Miniconda es suficiente) y git
- Acceso a GitHub y Hugging Face
1. Clonar el código
git clone https://github.com/Luciferbobo/KiT.git
cd KiTTodos los comandos siguientes se ejecutan dentro del directorio KiT.
2. Crear el entorno conda
La forma indicada en el README oficial:
conda create -n kit python=3.13 -y
conda activate kitSi aparece CondaToSNonInteractiveError
La versión nueva de conda (nosotros usamos 26.1.1) exige aceptar primero los términos de servicio de Anaconda la primera vez que se usa el canal predeterminado; si no se aceptan, lanza este error. Elige una de dos opciones:
- Ejecuta
conda tos acceptcomo indica el mensaje de error, acepta los términos y vuelve a empezar; - No uses el canal predeterminado, usa en su lugar el canal comunitario conda-forge:
conda create -n kit -c conda-forge --override-channels python=3.13 -yNosotros usamos la segunda opción.
3. Instalar PyTorch y las dependencias
pip install "torch>=2.4" --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txtcu118 es la versión de CUDA, que también funciona con tarjetas y controladores recientes; el README oficial indica que se puede cambiar según sea necesario. En requirements.txt están numpy, pandas, pyarrow, matplotlib (para gráficos) y akshare (solo se usa en el backtesting para descargar el índice CSI 500).
Verificación:
python -c "import torch;print('torch',torch.__version__,'cuda',torch.cuda.is_available())"Deberías ver algo como:
torch 2.7.1+cu118 cuda TrueInstalamos todo desde cero siguiendo los pasos anteriores y tardamos 2 minutos 33 segundos; la mayor parte fue el PyTorch de 905MB.
Si aparece cuda False: PyTorch se instaló en versión CPU, o el controlador no está bien instalado. Primero confirma que nvidia-smi funciona, y luego reinstala con el comando de arriba que incluye --index-url.
4. Descargar los pesos y los datos de demostración
pip install huggingface_hub
hf download Lucifer744/KiT_model --local-dir ckpt/
hf download Lucifer744/KiT_data_demo --local-dir data/ --repo-type datasetEl README menciona huggingface-cli
El README oficial usa huggingface-cli download …. El huggingface_hub 2.4.0 que instalamos recientemente en noviembre de 2026 (mes 11) solo incluye el comando hf, sin huggingface-cli; la sintaxis de los parámetros es la misma, basta con cambiar el nombre del comando.
El segundo comando descarga dos checkpoints, de unos 1.1GB cada uno. Si solo quieres el que se usa en el paper:
hf download Lucifer744/KiT_model --include "config.json" "step_market_284M/*" --local-dir ckpt/Los datos de demostración ocupan unos 1.2GB (de los cuales las líneas de 1 minuto son 811MB), con 705 archivos; a nosotros la descarga nos tomó 2 minutos.
5. Colocar los pesos donde el script pueda encontrarlos
Los pesos descargados quedan en ckpt/step_market_284M/step_market_284M.pt, mientras que el script de predicción busca por defecto ckpt/step_market_284M.pt. Dos opciones:
- Añadir el parámetro en cada ejecución:
--ckpt ckpt/step_market_284M/step_market_284M.pt - O crear un enlace y no preocuparse más:
ln -s step_market_284M/step_market_284M.pt ckpt/step_market_284M.ptEn Windows no existe ln, usa la primera opción.
Revisa el directorio:
ls ckpt/step_market_284M data data/ashareDeberías ver:
ckpt/step_market_284M:
instruments.json stats.json step_market_284M.pt
data:
ashare instruments.json README.md stats.json trade_dates.csv
data/ashare:
15m 1d 1h 1m 2h 30m 5mBajo data/ashare hay siete carpetas, cada una con 100 archivos .parquet, uno por acción.
Pon a prueba tus conocimientosTras descargar los pesos, el script de predicción reporta checkpoint not found. ¿Cuál es la causa más probable?
Haz una comprobación
torch.cuda.is_available()imprime True- Existe
ckpt/step_market_284M.pt(archivo o enlace) - Bajo
data/asharehay carpetas para 7 granularidades
Siguiente sección: Primera predicción.