Wir stellen PyTorch Frame vor, ein auf PyTorch basierendes Framework für tiefes Lernen über multimodale tabellarische Daten. PyTorch Frame vereinfacht das tabellarische Deep Learning durch die Bereitstellung einer auf PyTorch basierenden Datenstruktur zur Verarbeitung komplexer tabellarischer Daten, die Einführung einer Modellabstraktion zur modularen Implementierung von Tabellenmodellen und die Möglichkeit, externe Grundlagenmodelle zu integrieren, um komplexe Spalten zu verarbeiten (z.B. LLMs für Textspalten). Wir demonstrieren die Nützlichkeit von PyTorch Frame, indem wir verschiedene tabellarische Modelle auf modulare Weise implementieren, diese Modelle erfolgreich auf komplexe multimodale tabellarische Daten anwenden und unser Framework mit PyTorch Geometric, einer PyTorch-Bibliothek für Graph Neural Networks (GNNs), integrieren, um end-to-end-Lernen über relationale Datenbanken durchzuführen.