প্রকল্প সম্পর্কে

CAESAR (Conditional AutoEncoder with Super-resolution for Augmented Reduction) হলো স্পেশিও-টেম্পোরাল বৈজ্ঞানিক ডেটা রিডাকশনের জন্য একটি ইউনিফাইড ফ্রেমওয়ার্ক, যা হাই-পারফরম্যান্স কম্পিউটিং এবং বৈজ্ঞানিক ওয়ার্কফ্লোতে ডিপ্লয়মেন্টের জন্য C++ এবং LibTorch-এ পোর্ট করা হয়েছে। বেসলাইন মডেল, CAESAR-V, স্কেল হাইপারপ্রায়র এবং সুপার-রেজোলিউশন মডিউলসহ একটি ভ্যারিয়েশনাল অটোএনকোডারের উপর নির্মিত। এটি ডেটাকে একটি কম্প্যাক্ট লেটেন্ট স্পেসে এনকোড করে এবং শেখা প্রায়র ব্যবহার করে একটি তথ্যসমৃদ্ধ রিপ্রেজেন্টেশন তৈরি করে, যার লক্ষ্য হলো বৈজ্ঞানিক বিশ্বস্ততা বজায় রেখে উচ্চ কম্প্রেশন অনুপাত অর্জন করা। প্রকল্পটি স্পেশিওটেম্পোরাল বৈজ্ঞানিক ডেটার লসি কম্প্রেশনের জন্য একটি ফাউন্ডেশন মডেল সম্পর্কিত একটি পেপার এবং ডেটা রিডাকশনের জন্য জেনারেটিভ লেটেন্ট ডিফিউশন সম্পর্কিত একটি সংশ্লিষ্ট কাজ উল্লেখ করে। দুটি মডেল প্রজন্ম বর্ণনা করা হয়েছে: CAESAR v1 (caesar_v.pt), মূল ফাউন্ডেশন মডেল, এবং CAESAR v2 (model_bs64_ep100k.pt), একটি নতুন অপ্টিমাইজড ফাউন্ডেশন মডেল যা ডিফল্ট। চেকপয়েন্টগুলো একটি মডেল রেজিস্ট্রি স্ক্রিপ্টের মাধ্যমে আনা হয়, UFL ক্যাটালগে রেজিস্টার করতে হয়, এবং কম্পাইল করার আগে একটি রেজিস্টার্ড SHA-256 হ্যাশের সাথে মিলতে হয়। মডেল ফাইলগুলো CAESAR_MODEL_DIR এনভায়রনমেন্ট ভেরিয়েবল থেকে, তারপর এক্সিকিউটেবলের সাপেক্ষে একটি exported_model ডিরেক্টরি থেকে, তারপর একটি ইনস্টল করা সিস্টেম পাথ থেকে রিজলভ করা হয়। বিল্ড নির্দেশনা Linux, macOS এবং Windows কভার করে। মূল ডিপেন্ডেন্সিগুলোর মধ্যে রয়েছে LibTorch 2.8 বা নতুন, CMake 3.10, Zstandard 1.5 (আবশ্যক), Python 3.10 এবং PyYAML 6.0। বিল্ডটি PyTorch CMake প্রিফিক্স পাথ এবং ঐচ্ছিক টেস্টসহ CMake ব্যবহার করে। GPU অ্যাক্সিলারেশন NVIDIA হার্ডওয়্যারে CUDA এবং nvCOMP-এর মাধ্যমে, এবং Apple Silicon-এ PyTorch-এর Metal Performance Shaders ব্যাকএন্ডের মাধ্যমে উপলব্ধ, যেখানে MPS পাথ শুধুমাত্র একটি nightly torch বিল্ডে যাচাই করা হয়েছে বলে উল্লেখ করা হয়েছে। CPU এক্সিকিউশন ডিফল্ট। ডকুমেন্টেশনে কোডবেস সম্পর্কিত ডেভেলপার নোট এবং মডেল ইনস্টলেশন ও আইডেন্টিটি সম্পর্কিত একটি পৃষ্ঠা রয়েছে যা অফলাইন ডাউনলোড, রেজিস্ট্রেশন, ডিভাইস, ক্যাশিং এবং একটি ADIOS কন্ট্রাক্ট কভার করে। রিপোজিটরি Apache-2.0 লাইসেন্সের অধীনে এবং GitHub issues-এর মাধ্যমে প্রশ্ন, বাগ রিপোর্ট এবং অবদান গ্রহণ করে।