TorchSpatiotemporal/tsl

解決的問題

提供一個統一的神經時空數據處理與預測框架，簡化從資料前處理到模型原型設計的過渡。它特別解決處理時空資料（如感測器網路與環境資料）的複雜性，透過提供工具來管理不規則性、遺失資料與變動的網路結構。

工作原理

基於 PyTorch、PyTorch Geometric (PyG) 與 PyTorch Lightning 建構，該套件提供高階 API 用於建立自訂模型與資料集。包含專用的模組化神經層以及簡化時間序列縮放、重取樣與群聚的預處理方法。同時整合 Hydra 以實現可重現的實驗，並利用 PyTorch Lightning 實現跨 CPU 與 GPU 的可擴展性。

適用對象

從事時空資料探勘與神經預測的研究人員與開發者，特別是使用圖神經網路（GNN）的使用者。

主要亮點

• 全面的生態系統：可存取廣泛的現有時空資料集與先進的基線模型。
• 機器人就緒的資料處理：提供處理資料流中遺失資料與不規則性的工具。
• 整合式預處理：內建時間序列縮放、重取樣與群聚方法。
• 可擴展的基礎設施：與 PyTorch Lightning 無縫整合，實現跨各種硬體配置的高效訓練與推論。