MALPOLON: A Framework for Deep Species Distribution Modeling

要約

このペーパーでは、ディープ SDM フレームワークである MALPOLON について説明します。
Python で書かれ、PyTorch ライブラリに基づいて構築されたこのフレームワークは、深い種の分布モデル (deep-SDM) のトレーニングと推論を容易にし、一般的な Python 言語スキルのみを持ち、深い種のテストに興味のあるユーザー (例: モデリング生態学者) の共有を容易にすることを目的としています。
新しい SDM を構築するためのアプローチを学習します。
より上級のユーザーは、フレームワークのモジュール性の恩恵を受けて、既存のクラスをオーバーライドすることで、より具体的な実験を実行しながら、ボタンを押すサンプルを利用して、カスタムまたは提供された生の事前処理されたデータセットを使用して複数の分類タスクでニューラル ネットワークをトレーニングすることもできます。
このフレームワークは、広範なドキュメントとさまざまなシナリオでの使用例とともに、GitHub および PyPi でオープンソース化されています。
MALPOLON は、簡単なインストール、YAML ベースの構成、並列コンピューティング、マルチ GPU の利用、ベンチマーク用のベースラインおよび基礎モデル、および広範なチュートリアル/ドキュメントを提供し、生態学者や研究者向けのアクセシビリティとパフォーマンスの拡張性を強化することを目的としています。

要約(オリジナル)

This paper describes a deep-SDM framework, MALPOLON. Written in Python and built upon the PyTorch library, this framework aims to facilitate training and inferences of deep species distribution models (deep-SDM) and sharing for users with only general Python language skills (e.g., modeling ecologists) who are interested in testing deep learning approaches to build new SDMs. More advanced users can also benefit from the framework’s modularity to run more specific experiments by overriding existing classes while taking advantage of press-button examples to train neural networks on multiple classification tasks using custom or provided raw and pre-processed datasets. The framework is open-sourced on GitHub and PyPi along with extensive documentation and examples of use in various scenarios. MALPOLON offers straightforward installation, YAML-based configuration, parallel computing, multi-GPU utilization, baseline and foundational models for benchmarking, and extensive tutorials/documentation, aiming to enhance accessibility and performance scalability for ecologists and researchers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google