منصوبے کے بارے میں

torch-tk پائی ٹورچ ورک فلو کو آسان بنانے کے لیے یوٹیلیٹیز کا ایک سیٹ فراہم کرتا ہے، جس کا مرکزی مقصد ماڈلز اور آپٹیمائزرز کو خودکار وضاحت فراہم کرنا ہے تاکہ سیریلائزیشن اور دوبارہ تعمیر کو آسان بنایا جا سکے۔ اہم خصوصیات میں شامل ہیں: - ماڈل اور آپٹیمائزر مینجمنٹ: ایک Model بیس کلاس اور آپٹیمائزر ریپرز (مثلاً SGD، Adam) پیش کرتا ہے جو کنسٹرکٹر آرگیومنٹس اور اسٹیٹ کو محفوظ کرتے ہیں، جس سے انہیں خودکار طور پر فائلوں میں محفوظ کیا جا سکے اور دوبارہ تعمیر کیا جا سکے۔ - چیک پوائنٹنگ: ایک CheckPointManager جو ماڈل اور آپٹیمائزر اسٹیٹس کو یکجا طور پر محفوظ کرنے اور لوڈ کرنے کا انتظام کرتا ہے۔ - تربیت یوٹیلیٹیز: عام ڈیٹا سیٹس کے لیے ایک معیاری Trainer اور ایسا MaskedTrainer جو خاص طور پر غائب قدریں (NaNs) والے ہدف کے لیے ڈیزائن کیا گیا ہے شامل ہیں۔ دونوں DataLoader یا براہ راست ٹینسرز کے ذریعے تربیت کی حمایت کرتے ہیں۔ - تشخیص: نمونہ کی سطح پر نقصان کی معلومات کے حساب اور محفوظ کرنے کے لیے ایک Diagnostics کلاس۔ یہ تشخیص کو netCDF فائلوں میں محفوظ کرنے کی حمایت کرتا ہے اور نقصان کی احتمالی تقسیم (KDE اور ہسٹوگرامز) کے لیے پلاٹنگ یوٹیلیٹیز فراہم کرتا ہے۔ یہ ٹول کٹ معیاری PyTorch انٹرفیس کو برقرار رکھنے کے لیے ڈیزائن کیا گیا ہے جبکہ تربیت لوپس اور اسٹیٹ پرسسٹنس سے متعلق بوائلرپلیٹ کو خودکار بناتا ہے۔