منصوبے کے بارے میں

CAESAR (Conditional AutoEncoder with Super-resolution for Augmented Reduction) spatio-temporal سائنسی ڈیٹا کی کمی کے لیے ایک متحد فریم ورک ہے، جسے C++ میں LibTorch کے ساتھ high-performance computing اور سائنسی workflows میں تعیناتی کے لیے پورٹ کیا گیا ہے۔ بنیادی ماڈل CAESAR-V، variational autoencoder پر مبنی ہے جس میں scale hyperpriors اور super-resolution ماڈیولز شامل ہیں۔ یہ ڈیٹا کو ایک compact latent space میں encode کرتا ہے اور سیکھے گئے priors کا استعمال کرتے ہوئے معلوماتی بنیاد تیار کرتا ہے، جس کا مقصد زیادہ کمپریشن ratios کے ساتھ spatio-temporal سائنسی ڈیٹا کی lossy compression کو برقرار رکھنا ہے۔ پروجیکٹ spatiotemporal سائنسی ڈیٹا کی lossy compression کے لیے foundation model اور data reduction کے لیے generative latent diffusion سے متعلقہ کام کا حوالہ دیتا ہے۔ ماڈل کی دو نسلیں ہیں: CAESAR v1 (caesar_v.pt)، اصل foundation model، اور CAESAR v2 (model_bs64_ep100k.pt)، ایک نیا بہتر foundation model جو default ہے۔ Checkpoints ایک model registry script کے ذریعے حاصل کیے جاتے ہیں، انہیں U catalog میں رجسٹر کرنا ضروری ہے، اور compilation سے پہلے ان کا ایک رجسٹرڈ SHA-256 hash سے مماثل ہونا لازمی ہے۔ Model files پہلے CAESAR_MODEL_DIR environment variable سے، پھر executable کے نسبت ایک exported_model directory سے، اور پھر ایک installed system path سے resolve کی جاتی ہیں۔ Build ہدایات Linux، macOS اور Windows کا احاطہ کرتی ہیں۔ بنیادی dependencies میں LibTorch 2.8 یا نیا، CMake 3.10، Zstandard 1.5 (لازمی)، Python 3.10 اور PyYAML 6.0 شامل ہیں۔ Build میں CMake کو PyTorch CMake prefix path اور optional tests کے ساتھ استعمال کیا جاتا ہے۔ GPU acceleration NVIDIA hardware پر CUDA اور nvCOMP کے ذریعے، اور Apple Silicon پر PyTorch کے Metal Performance Shaders backend کے ذریعے دستیاب ہے، جہاں MPS path صرف nightly torch build پر verified بتایا گیا ہے۔ CPU execution default ہے۔ Documentation میں codebase پر developer notes اور model installation اور identity سے متعلق ایک صفحہ شامل ہے جس میں offline downloads، registration، devices، caching اور ایک ADIOS contract کا احاطہ کیا گیا ہے۔ Repository Apache-2.0 کے تحت licensed ہے اور GitHub issues کے ذریعے سوالات، bug reports اور contributions قبول کرتی ہے۔