nflows

تدفقات NFLOWS

nflows هي مجموعة شاملة من التدفقات التطبيع باستخدام Pytorch.

تثبيت

من PYPI

للتثبيت من PYPI:

 python -m pip install nflows

من كوندا فورج

لتثبيت وإضافة nflows إلى مشروع مع pixi ، من تشغيل دليل المشروع

 pixi add nflows

والتثبيت في بيئة محددة مع conda ، في البيئة المنشطة

 conda install --channel conda-forge nflows

الاستخدام

لتحديد التدفق:

 from nflows import transforms , distributions , flows

# Define an invertible transformation.
transform = transforms . CompositeTransform ([
    transforms . MaskedAffineAutoregressiveTransform ( features = 2 , hidden_features = 4 ),
    transforms . RandomPermutation ( features = 2 )
])

# Define a base distribution.
base_distribution = distributions . StandardNormal ( shape = [ 2 ])


# Combine into a flow.
flow = flows . Flow ( transform = transform , distribution = base_distribution )

لتقييم احتمالات السجل للمدخلات:

 log_prob = flow . log_prob ( inputs )

لعينة من التدفق:

 samples = flow . sample ( num_samples )

يتم توفير أمثلة إضافية لسير العمل في مجلد أمثلة.

تطوير

لتثبيت جميع التبعيات من أجل التنمية:

 pip install -r requirements.txt

نقلا عن تدفقات Nlflows

للاستشهاد بالحزمة:

 @software { nflows ,
  author       = { Conor Durkan and
                  Artur Bekasov and
                  Iain Murray and
                  George Papamakarios } ,
  title        = { {nflows}: normalizing flows in {PyTorch} } ,
  month        = nov,
  year         = 2020 ,
  publisher    = { Zenodo } ,
  version      = { v0.14 } ,
  doi          = { 10.5281/zenodo.4296287 } ,
  url          = { https://doi.org/10.5281/zenodo.4296287 }
}

يهدف رقم الإصدار إلى أن يكون هو من nflows/version.py . يتوافق السنة/الشهر مع تاريخ الإصدار. يمكن العثور على إدخالات bibtex للإصدارات الأخرى على Zenodo.

إذا كنت تستخدم التدفقات المستندة إلى Spline على وجه الخصوص ، ففكر في الاستشهاد بالورق المتدفق العصبي : [Bibtex].

مراجع

nflows مشتقة من Bayesiains/NSF المنشورة في الأصل مع

C. Durkan ، A. Bekasov ، I. Murray ، G. Papamakarios ، Neural Spline Flows ، Neups 2019. [Arxiv] [Bibtex]

تم استخدام nflows في

كونور دوركان ، إيان موراي ، جورج باباماكاريوس ، على التعلم التباين من أجل الاستدلال الخالي من الاحتمالات ، ICML 2020. [Arxiv].

Artur Bekasov ، Iain Murray ، يأمر الأبعاد مع تدفقات التسرب المتداخلة . [Arxiv].

تيم دوكهورن ، جيمس أ. ريتشي ، يوليانغ يو ، إيان موراي ، فك الكثافة مع تدفقات تطبيع . [Arxiv].

يتم استخدام nflows بواسطة حزمة تقدير الكثافة الشرطية pyknos ، وبالتالي إطار عمل الاستدلال الخالي من الاحتمالية SBI.