एनवायरनमेंट, वेट और डेटा इंस्टॉल करें
यह सेक्शन पूरा करने के बाद, आपके कंप्यूटर पर होंगे: KiT का कोड, ग्राफ़िक्स कार्ड का उपयोग कर सकने वाला Python एनवायरनमेंट, 1.1GB का आधिकारिक वेट, 1.2GB का डेमो डेटा। आख़िरी कमांड cuda True प्रिंट करेगी।
शुरू करने से पहले
- एक NVIDIA ग्राफ़िक्स कार्ड, ड्राइवर इंस्टॉल हो चुका हो (टर्मिनल में
nvidia-smiसे कार्ड दिखना चाहिए) - conda (Miniconda पर्याप्त है) और git इंस्टॉल हो
- GitHub और Hugging Face तक पहुंच हो
1. कोड क्लोन करें
git clone https://github.com/Luciferbobo/KiT.git
cd KiTआगे के सभी कमांड KiT डायरेक्टरी में चलाए जाएंगे।
2. conda एनवायरनमेंट बनाएं
आधिकारिक README का तरीका:
conda create -n kit python=3.13 -y
conda activate kitअगर CondaToSNonInteractiveError आए
नए संस्करण वाले conda (हमने 26.1.1 इस्तेमाल किया) में पहली बार डिफ़ॉल्ट चैनल का उपयोग करते समय, पहले Anaconda की सेवा शर्तें स्वीकार करनी होती हैं, नहीं तो यह एरर आता है। दो तरीकों में से एक चुनें:
- एरर संदेश के अनुसार
conda tos acceptचलाएं, शर्तें स्वीकार करने के बाद दोबारा कोशिश करें; - डिफ़ॉल्ट चैनल का उपयोग न करें, इसके बजाय कम्युनिटी का conda-forge इस्तेमाल करें:
conda create -n kit -c conda-forge --override-channels python=3.13 -yहमने दूसरा तरीका इस्तेमाल किया।
3. PyTorch और डिपेंडेंसीज़ इंस्टॉल करें
pip install "torch>=2.4" --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txtcu118 CUDA संस्करण है, नए ग्राफ़िक्स कार्ड और नए ड्राइवर पर भी चलेगा; आधिकारिक README में ज़रूरत के अनुसार बदलने का सुझाव है। requirements.txt में numpy, pandas, pyarrow, matplotlib (प्लॉटिंग के लिए) और akshare (केवल बैकटेस्ट के समय CSI 500 इंडेक्स डाउनलोड करने के लिए) हैं।
सत्यापन:
python -c "import torch;print('torch',torch.__version__,'cuda',torch.cuda.is_available())"आपको इस तरह का आउटपुट दिखना चाहिए:
torch 2.7.1+cu118 cuda Trueहमने ऊपर दिए चरणों के अनुसार शुरू से इंस्टॉल किया, इसमें 2 मिनट 33 सेकंड लगे, ज़्यादातर समय 905MB के PyTorch का था।
अगर cuda False आता है: PyTorch CPU संस्करण में इंस्टॉल हुआ, या ड्राइवर ठीक से इंस्टॉल नहीं हुआ। पहले पुष्टि करें कि nvidia-smi काम कर रहा है, फिर ऊपर वाली --index-url वाली कमांड दोबारा चलाएं।
4. वेट और डेमो डेटा डाउनलोड करें
pip install huggingface_hub
hf download Lucifer744/KiT_model --local-dir ckpt/
hf download Lucifer744/KiT_data_demo --local-dir data/ --repo-type datasetREADME में huggingface-cli लिखा है
आधिकारिक README में huggingface-cli download … इस्तेमाल हुआ है। हमने 2026 साल 11 महीने में नया इंस्टॉल किया huggingface_hub 2.4.0 के साथ केवल hf कमांड आती है, huggingface-cli नहीं, पैरामीटर लिखने का तरीका एक जैसा है, बस कमांड का नाम बदल दें।
दूसरी कमांड दो चेकपॉइंट डाउनलोड करेगी, हर एक लगभग 1.1GB। अगर केवल पेपर में इस्तेमाल हुआ वाला चाहिए:
hf download Lucifer744/KiT_model --include "config.json" "step_market_284M/*" --local-dir ckpt/डेमो डेटा लगभग 1.2GB है (जिसमें 1 मिनट लाइन 811MB है), 705 फ़ाइलें, हमने यहाँ 2 मिनट में डाउनलोड किया।
अनुभाग 5. वेट को स्क्रिप्ट को मिलने वाली जगह पर रखें
डाउनलोड किए गए वेट ckpt/step_market_284M/step_market_284M.pt में हैं, जबकि प्रेडिक्शन स्क्रिप्ट डिफ़ॉल्ट रूप से ckpt/step_market_284M.pt खोजती है। दो तरीके हैं:
- हर बार चलाते समय पैरामीटर जोड़ें:
--ckpt ckpt/step_market_284M/step_market_284M.pt - या फिर एक लिंक बना दें, फिर बार-बार ध्यान देने की ज़रूरत नहीं:
ln -s step_market_284M/step_market_284M.pt ckpt/step_market_284M.ptWindows पर ln नहीं होता, पहला तरीका अपनाएँ।
डायरेक्टरी की जाँच करें:
ls ckpt/step_market_284M data data/ashareआपको यह दिखना चाहिए:
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 5mdata/ashare के नीचे सात फ़ोल्डर हैं, हर एक में 100 .parquet फ़ाइलें हैं, एक स्टॉक के लिए एक।
आपकी परीक्षावेट डाउनलोड करने के बाद प्रेडिक्शन स्क्रिप्ट चलाने पर checkpoint not found आ रहा है, सबसे संभावित कारण क्या है?
जाँच करें
torch.cuda.is_available()True प्रिंट करेckpt/step_market_284M.ptमौजूद है (फ़ाइल या लिंक)data/ashareके नीचे 7 ग्रैन्युलैरिटी के फ़ोल्डर हैं
अगला अनुभाग: पहली प्रेडिक्शन।