torch-tk

torch-tk fournit un ensemble d'utilitaires pour simplifier le flux de travail PyTorch, en se concentrant sur la création de modèles et d'optimiseurs auto-descriptifs afin de faciliter la sérialisation et la reconstruction. Fonctionnalités clés : - **Gestion des modèles et des optimiseurs** : Propose une classe de base `Model` et des wrappers d'optimiseurs (par exemple, `SGD`, `Adam`) qui stockent les arguments du constructeur et l'état, permettant leur sauvegarde et restauration automatiques à partir de fichiers. - **Gestion des points de contrôle** : Un `CheckPointManager` qui gère la sauvegarde et le chargement simultanés des états du modèle et de l'optimiseur. - **Utilitaires d'entraînement** : Comprend un `Trainer` standard pour les ensembles de données typiques et un `MaskedTrainer` spécialement conçu pour les cibles contenant des valeurs manquantes (NaN). Les deux prennent en charge l'entraînement via `DataLoader` ou des tenseurs directs. - **Diagnostics** : Une classe `Diagnostics` pour calculer et stocker des informations sur les pertes résolues par échantillon. Elle prend en charge la sauvegarde des diagnostics dans des fichiers netCDF et fournit des utilitaires de tracé pour les distributions de probabilité des pertes (KDE et histogrammes). Ce kit d'outils est conçu pour préserver l'interface standard de PyTorch tout en automatisant les éléments répétitifs associés aux boucles d'entraînement et à la persistance d'état.