TorchSpatiotemporal/tsl

해결 과제

Torch Spatiotemporal (tsl)은 특히 그래프 신경망(GNNs)에 중점을 두고 신경 시공간 데이터 처리 연구를 가속화하기 위해 설계되었습니다. 데이터 전처리부터 모델 프로토타이핑까지 전체 파이프라인을 간소화하는 통합 프레임워크를 제공하여, 시공간 예측 모델을 구축하고 벤치마킹하는 데 필요한 수작업을 줄여줍니다.

작동 방식

PyTorch, PyTorch Geometric (PyG), PyTorch Lightning을 기반으로 구축된 tsl은 이러한 라이브러리를 통합하여 시공간 데이터를 처리하기 위한 고수준 API를 제공합니다. PyTorch 생태계와 호환되는 특수 신경 레이어와 간단한 데이터 구조를 제공합니다. 이 라이브러리에는 시계열 스케일링, 리샘플링, 클러스터링을 위한 도구와 누락된 데이터 및 불규칙한 네트워크 구조를 처리하기 위한 메커니즘이 포함되어 있습니다.

대상 사용자

센서 네트워크, 환경 데이터 또는 시공간 데이터 분석 및 예측과 관련된 모든 분야의 연구자 및 개발자.

주요 특징

• 포괄적인 라이브러리: 벤치마킹을 위해 시공간 문헌에 존재하는 기존 데이터셋 및 모델 모음에 액세스 가능.
• 모듈식 아키텍처: 사용자 정의 모듈식 시공간 모델을 생성할 수 있는 특수 신경 레이어.
• 강력한 데이터 처리: 불규칙성, 누락된 데이터 및 네트워크 구조의 변화를 관리하는 도구.
• 확장 가능한 학습: PyTorch Lightning과의 통합으로 단일 CPU에서 GPU 클러스터까지 손쉽게 확장 가능.
• 재현 가능한 실험: Hydra 프레임워크를 사용하여 실험의 재현성 보장.
• PyTorch 컴파일: 호환되는 모델에서 더 빠른 학습 및 추론을 위해 model.compile 지원.