Mit dem Colab für den Einstieg können Sie den Meridian-Code programmatisch mit Beispieldaten ausführen.
Das Meridian-Modell verwendet einen ganzheitlichen MCMC-Ansatz für die Stichprobenziehung namens No-U-Turn Sampler (NUTS), der rechenintensiv sein kann. Dazu wurde die GPU-Unterstützung mithilfe von Tensoren in die gesamte Bibliothek integriert (keine Anpassungen erforderlich). Wir empfehlen, GPUs für Ihr Meridian-Modell zu verwenden, um Optimierungsergebnisse in Echtzeit zu erhalten. Außerdem lässt sich die Trainingszeit so erheblich verkürzen.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2026-05-14 (UTC)."],[],["Meridian requires Python 3.11 or 3.12 and recommends at least 1 GPU (V100 or T4 with 16GB RAM tested). Installation via `pip` uses: `python3 -m pip install --upgrade 'google-meridian[and-cuda]'` (Linux/GPU), `google-meridian` (macOS/CPU). CPU-only install also uses `google-meridian`. To verify the install, run: `python3 -c \"import meridian; print(meridian.__version__)\"`. The library, which uses No U-Turn Sampler, is compute-intensive, thus GPU usage is recommended for real-time optimization and faster training.\n"]]
