gpytorch
v1.13
Gpytorch هي مكتبة عملية غاوسية تم تنفيذها باستخدام Pytorch. تم تصميم Gpytorch لإنشاء نماذج عملية غاوسية قابلة للتطوير ومرنة ومعيجة بسهولة.
داخليًا ، يختلف GPYTORCH عن العديد من الأساليب الحالية لاستدلال GP من خلال إجراء معظم عمليات الاستدلال باستخدام تقنيات الجبر الخطي العددي مثل التدرجات المسبقة المسبقة. يعد تطبيق طريقة GP قابلة للتطوير أمرًا بسيطًا مثل توفير روتين مضاعف المصفوفة مع مصفوفة kernel ومشتقته عبر واجهة الخطي الخاص بنا ، أو عن طريق تكوين العديد من LinearOperators الموجودين بالفعل. هذا لا يسمح فقط بتنفيذ تقنيات GP القابلة للتطوير الشهيرة فحسب ، ولكن غالبًا ما يكون أيضًا لتحسين استخدام حوسبة GPU مقارنةً بالمحللين على أساس تحلل Cholesky.
يوفر Gpytorch (1) تسارع GPU كبير (من خلال MVM استناد) ؛ (2) تطبيقات أحدث التطورات لأحدث التطورات الخوارزمية من أجل قابلية التوسع والمرونة (Ski/Kiss-GP ، التوسعات العشوائية لانسوس ، الحب ، تخطي ، تعلم نواة عميق في ستوكاستيك ، ...) ؛ (3) سهلة التكامل مع أطر التعلم العميق.
راجع وثائقنا ، والأمثلة ، والدروس التعليمية حول كيفية بناء جميع أنواع النماذج في Gpytorch.
متطلبات :
تثبيت gpytorch باستخدام PIP أو Conda:
pip install gpytorch
conda install gpytorch -c gpytorch (لاستخدام الحزم على مستوى العالم ولكن تثبيت gpytorch كحزمة المستخدم فقط ، استخدم pip install --user أعلاه.)
للترقية إلى أحدث إصدار (غير مستقر) ، قم بتشغيل
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.gitإذا كنت تساهم في طلب سحب ، فمن الأفضل إجراء تثبيت يدوي:
git clone https://github.com/cornellius-gp/gpytorch.git
cd gpytorch
pip install -e .[dev,docs,examples,keops,pyro,test] # keops and pyro are optional ملاحظة : حزمة AUR التجريبية. بالنسبة لمعظم المستخدمين ، نوصي بالتثبيت بواسطة Conda أو PIP.
Gpytorch متاح أيضًا على مستودع مستخدم Archlinux (AUR). يمكنك تثبيته باستخدام Aur Helper ، مثل yay ، على النحو التالي:
yay -S python-gpytorch لمناقشة أي مشكلات تتعلق بحزمة AUR هذه ، يرجى الرجوع إلى قسم التعليقات في python-gpytorch .
إذا كنت تستخدم gpytorch ، فيرجى الاستشهاد بالأوراق التالية:
غاردنر ، جاكوب ر. ، جيف بليس ، ديفيد بيندل ، كيليان ك. وينبرجر ، وأندرو جوردون ويلسون. "Gpytorch: Blackbox Matrix-Matrix Gaussian Inference مع تسارع GPU." في التقدم في أنظمة معالجة المعلومات العصبية (2018).
@inproceedings{gardner2018gpytorch,
title={GPyTorch: Blackbox Matrix-Matrix Gaussian Process Inference with GPU Acceleration},
author={Gardner, Jacob R and Pleiss, Geoff and Bindel, David and Weinberger, Kilian Q and Wilson, Andrew Gordon},
booktitle={Advances in Neural Information Processing Systems},
year={2018}
}
راجع الإرشادات المساهمة المساهمة. md للحصول على معلومات حول تقديم المشكلات وطلبات السحب.
يتم الحفاظ على gpytorch في المقام الأول من قبل:
نود أن نشكر مساهمينا الآخرين بما في ذلك (على سبيل المثال لا الحصر) إيتان باكشي ، ويسلي مادوكس ، كي ألكساندر وانغ ، رويهان وو ، سايت كاكموك ، ديفيد إريكسون ، سام دوالون ، مارتن يانكووياك ، سام ستانتون ، زيتونغ زهو ، ديفيد آرور ، كارثيك راجكومار ،
يتم دعم تطوير Gpytorch من خلال تمويل من مؤسسة Bill and Melinda Gates Foundation ، والمؤسسة الوطنية للعلوم ، و SAP ، ومؤسسة Simons ، و Gatsby Charitable Trust.
gpytorch هو معهد ماساتشوستس للتكنولوجيا مرخصة.
