nflows

Nflows

nflows ist eine umfassende Sammlung von Normalisierungsströmen mit Pytorch.

Installation

Von pypi

Von PYPI zu installieren:

 python -m pip install nflows

Von konda-forge

So installieren und hinzufügen nflows zu einem Projekt mit pixi aus dem Projektverzeichnislauf

 pixi add nflows

und in eine bestimmte Konda -Umgebung mit conda im aktivierten Umfeld zu installieren

 conda install --channel conda-forge nflows

Verwendung

Einen Fluss definieren:

 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 )

Bewertung der Protokollwahrscheinlichkeiten von Eingaben:

 log_prob = flow . log_prob ( inputs )

Proben Sie aus dem Fluss:

 samples = flow . sample ( num_samples )

Zusätzliche Beispiele für den Workflow sind in Beispielen der Beispiele enthalten.

Entwicklung

So installieren Sie alle Abhängigkeiten für die Entwicklung:

 pip install -r requirements.txt

Zitieren von Nflows

Um das Paket zu zitieren:

 @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 }
}

Die Versionsnummer soll die von nflows/version.py sein. Das Jahr/Monat entspricht dem Datum der Veröffentlichung. Bibtex -Einträge für andere Versionen finden sich auf Zenodo.

Wenn Sie insbesondere Spline-basierte Flows verwenden, sollten Sie das Papier für neuronale Spline-Flows zitieren: [Bibtex].

Referenzen

nflows stammen aus Bayessiains/NSF mit ursprünglich veröffentlicht mit

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

nflows wurden in verwendet

Conor Durkan, Iain Murray, George Papamakarios, über kontrastives Lernen für Wahrscheinlichkeitsfreie Inferenz , ICML 2020. [Arxiv].

Artur Bekasov, Iain Murray, der Dimensionen mit verschachtelten Ausfallnormalisierungsströmen bestellt . [Arxiv].

Tim Dockhorn, James A. Ritchie, Yaoliang Yu, Iain Murray, Dichte entfaltet mit Normalisierungsströmen . [Arxiv].

nflows werden durch das Pyknos der bedingten Dichteschätzung verwendet und im Rahmen des Wahrscheinlichkeits-freien Inferenz-Frameworks SBI.