torch-tk

O torch-tk oferece um conjunto de utilitários para simplificar o fluxo de trabalho do PyTorch, com foco em tornar modelos e otimizadores auto-descritivos para facilitar a serialização e reconstrução. Principais recursos incluem: - **Gerenciamento de Modelos e Otimizadores**: Oferece uma classe base `Model` e wrappers de otimizadores (ex.: `SGD`, `Adam`) que armazenam argumentos do construtor e estado, permitindo que sejam salvos e restaurados automaticamente de arquivos. - **Checkpointing**: Um `CheckPointManager` que gerencia o salvamento e carregamento simultâneos dos estados do modelo e do otimizador. - **Utilitários de Treinamento**: Inclui um `Trainer` padrão para conjuntos de dados típicos e um `MaskedTrainer` projetado especificamente para alvos contendo valores ausentes (NaNs). Ambos suportam treinamento via `DataLoader` ou tensores diretos. - **Diagnostics**: Uma classe `Diagnostics` para calcular e armazenar informações de perda resolvidas por amostra. Suporta salvar diagnósticos em arquivos netCDF e fornece utilitários de plotagem para distribuições de probabilidade de perda (KDE e histogramas). O toolkit foi projetado para preservar a interface padrão do PyTorch, automatizando o código repetitivo associado a loops de treinamento e persistência de estado.