gpytorch
v1.13
GPYTORCH adalah perpustakaan proses Gaussian yang diimplementasikan menggunakan Pytorch. GPYTORCH dirancang untuk menciptakan model proses Gaussian yang dapat diskalakan, fleksibel, dan modular dengan mudah.
Secara internal, GPYTORCH berbeda dari banyak pendekatan yang ada untuk inferensi GP dengan melakukan sebagian besar operasi inferensi menggunakan teknik aljabar linier numerik seperti gradien konjugat yang dikondisikan. Menerapkan metode GP yang dapat diskalakan sesederhana menyediakan rutinitas multiplikasi matriks dengan matriks kernel dan turunannya melalui antarmuka linieroperator kami, atau dengan menyusun banyak LinearOperators kami yang sudah ada. Ini memungkinkan tidak hanya untuk implementasi yang mudah dari teknik GP yang dapat diskalakan populer, tetapi seringkali juga untuk pemanfaatan komputasi GPU yang lebih baik dibandingkan dengan pemecah berdasarkan dekomposisi Cholesky.
GPYTORCH menyediakan (1) akselerasi GPU yang signifikan (melalui inferensi berbasis MVM); (2) Implementasi canggih dari kemajuan algoritmik terbaru untuk skalabilitas dan fleksibilitas (ski/ciuman-gp, ekspansi stokastik Lanczos, cinta, lewati, variasional stokastik pembelajaran kernel dalam, ...); (3) Integrasi yang mudah dengan kerangka pembelajaran yang mendalam.
Lihat dokumentasi kami, contoh, tutorial tentang cara membangun semua jenis model di GPYTORCH.
Persyaratan :
Instal GPYTORCH menggunakan PIP atau CONDA:
pip install gpytorch
conda install gpytorch -c gpytorch (Untuk menggunakan paket secara global tetapi instal GPYTORCH sebagai paket khusus pengguna, gunakan pip install --user di atas.)
Untuk meningkatkan ke versi terbaru (tidak stabil), jalankan
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.gitJika Anda berkontribusi permintaan tarik, yang terbaik adalah melakukan instalasi manual:
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 Catatan : Paket AUR eksperimental. Untuk sebagian besar pengguna, kami merekomendasikan instalasi oleh Conda atau PIP.
GPYTORCH juga tersedia di Archlinux User Repository (AUR). Anda dapat menginstalnya dengan penolong AUR, seperti yay , sebagai berikut:
yay -S python-gpytorch Untuk membahas masalah apa pun yang terkait dengan paket AUR ini, lihat bagian komentar python-gpytorch .
Jika Anda menggunakan GPYTORCH, silakan mengutip makalah berikut:
Gardner, Jacob R., Geoff Pleiss, David Bindel, Kilian Q. Weinberger, dan Andrew Gordon Wilson. "GPYTORCH: Blackbox Matrix-Matrix Gaussian Inference dengan akselerasi GPU." Dalam kemajuan dalam sistem pemrosesan informasi saraf (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}
}
Lihat Pedoman yang berkontribusi yang berkontribusi.MD untuk informasi tentang mengirimkan masalah dan permintaan tarik.
GPYTORCH terutama dikelola oleh:
Kami ingin mengucapkan terima kasih kepada kontributor kami yang lain termasuk (tetapi tidak terbatas pada) Eytan Bakshy, Wesley Maddox, Ke Alexander Wang, Ruihan Wu, Sait Cakmak, David Eriksson, Sam Daulton, Martin Jankowiak, Sam Stanton, Zitong Zhou, David Arbor, Kartin!
Pengembangan GPYTORCH didukung oleh dana dari Yayasan RUU dan Melinda Gates, National Science Foundation, SAP, The Simons Foundation, dan The Gatsby Charitable Trust.
Gpytorch berlisensi MIT.
