torch-tk

torch-tk 提供一系列工具以简化 PyTorch 工作流程，重点在于使模型和优化器具备自描述能力，便于序列化与重建。 核心功能包括： - **Model & Optimizer Management**：提供 `Model` 基类及优化器包装器（如 `SGD`、`Adam`），存储构造参数与状态，支持自动文件保存与恢复。 - **Checkpointing**：`CheckPointManager` 可同步处理模型与优化器状态的保存及加载。 - **Training Utilities**：包含适用于常规数据集的标准 `Trainer`，以及专为含缺失值（NaNs）目标设计的 `MaskedTrainer`。两者均支持通过 `DataLoader` 或直接张量进行训练。 - **Diagnostics**：`Diagnostics` 类用于计算与存储样本级损失信息，支持保存至 netCDF 文件，并提供损失概率分布（KDE 与直方图）的绘图工具。 该工具包在保留标准 PyTorch 接口的同时，自动化处理训练循环与状态持久化相关样板代码。