NVIDIA/structured-data-models

解決する課題

構造化データ（テーブルおよびリレーショナル）を扱うためのGPUネイティブなフレームワークを提供します。新しいデータセットごとに大規模なカスタムトレーニングを行うことなく、予測を実行できる基礎モデルへの統一されたインターフェースを提供します。

仕組み

このライブラリは、数値、カテゴリ、日時、テキストなどのさまざまなデータ型をGPU上で直接処理する、PyTorch互換のテンソルサブクラスを実装しています。複数の事前学習済み基礎モデル（TabICLv2、KumoTabular、KumoRelationalなど）を統合しており、生データからモデル推論までのワークフローを効率化するための、構成可能なGPU加速プリプロセスおよびポストプロセスツールを提供します。

対象ユーザー

構造化データセットを扱い、テーブル学習やリレーショナル学習に基礎モデルを活用しつつ、GPU加速を最大化してデータ移動を減らし、処理速度を向上させたいデータサイエンティストおよびMLエンジニア。

ハイライト

• 基礎モデルライブラリ: テーブルモデル（TabICLv2、KumoTabular、TabFM）およびリレーショナルモデル（KumoRelational）のリファレンス実装が含まれています。
• GPUネイティブテンソル: PyTorchとの互換性を維持した、構造化データ専用の特殊なテンソル型。
• 効率的な推論: インコンテキスト学習（in-context learning）とキー/バリューキャッシュをサポートし、高速な予測パスを実現します。
• 最適化されたパイプライン: データフレーム操作をGPU上で維持するために、cudf との統合を推奨しています。