TorchSpatiotemporal/tsl

解決する課題

Torch Spatiotemporal (tsl) は、特にグラフニューラルネットワーク (GNNs) に焦点を当て、神経時空間データ処理の研究を加速するために設計されています。データの前処理からモデルのプロトタイピングまでの全パイプラインを簡素化する統一フレームワークを提供し、時空間予測モデルの構築とベンチマークに必要な手作業を削減します。

仕組み

PyTorch、PyTorch Geometric (PyG)、および PyTorch Lightning 上に構築された tsl は、これらのライブラリを統合し、時空間データを扱うための高レベル API を提供します。PyTorch エコシステムと互換性のある特殊なニューラルレイヤーとシンプルなデータ構造を提供します。このライブラリには、時系列のスケーリング、リサンプリング、クラスタリングのためのツールや、欠損データや不規則なネットワーク構造を処理するためのメカニズムが含まれています。

対象ユーザー

センサーネットワーク、環境データ、または時空間データの分析と予測を伴うあらゆる分野の研究者および開発者。

ハイライト

• 包括的なライブラリ: ベンチマーク用に、時空間文献に存在するデータセットとモデルの広範なコレクションにアクセス可能。
• モジュール式アーキテクチャ: カスタムのモジュール式時空間モデルを作成できる特殊なニューラルレイヤー。
• 堅牢なデータ処理: 不規則性、欠損データ、ネットワーク構造の変化を管理するツール。
• スケーラブルなトレーニング: PyTorch Lightning との統合により、単一の CPU から GPU クラスターへの容易なスケーリングが可能。
• 再現可能な実験: Hydra フレームワークを使用して、実験の再現性を確保。
• PyTorch コンパイル: 互換性のあるモデルでより高速なトレーニングと推論を行うための model.compile をサポート。