Gpytorch는 Pytorch를 사용하여 구현 된 가우스 프로세스 라이브러리입니다. Gpytorch는 확장 가능하고 유연하며 모듈 식 가우시안 프로세스 모델을 쉽게 만들도록 설계되었습니다.
내부적으로 Gpytorch는 전제 조합 된 컨쥬 게이트 그라디언트와 같은 수치 선형 대수 기술을 사용하여 대부분의 추론 작업을 수행함으로써 많은 기존 접근법과 GP 추론마다 다릅니다. 확장 가능한 GP 방법을 구현하는 것은 선형 가포터 인터페이스를 통해 커널 매트릭스 및 그 미분을 통해 Matrix Multiplication Routine을 제공하거나 이미 기존의 많은 LinearOperators 작성하여 간단합니다. 이를 통해 인기있는 확장 가능한 GP 기술을 쉽게 구현할 수있을뿐만 아니라 종종 Cholesky 분해에 기초한 솔버와 비교하여 GPU 컴퓨팅의 활용도를 크게 향상시킬 수 있습니다.
Gpytorch는 (1) 상당한 GPU 가속도 (MVM 기반 추론을 통해)를 제공합니다. (2) 확장 성 및 유연성에 대한 최신 알고리즘 발전의 최신 구현 (Ski/Kiss-GP, 확률 란스 랭조 확장, 사랑, 건너 뛰기, 확률 론적 변형 깊은 커널 학습 ...); (3) 딥 러닝 프레임 워크와의 쉬운 통합.
Gpytorch에서 모든 종류의 모델을 구성하는 방법에 대한 문서, 예제, 튜토리얼을 참조하십시오.
요구 사항 :
PIP 또는 CONDA를 사용하여 GPYTORCH 설치 :
pip install gpytorch
conda install gpytorch -c gpytorch (전 세계적으로 패키지를 사용하지만 GPYTORCH를 사용자 전용 패키지로 설치하려면 위의 pip install --user 사용하십시오.)
최신 (불안정한) 버전으로 업그레이드하려면 run
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.git풀 요청을 기고하는 경우 수동 설치를 수행하는 것이 가장 좋습니다.
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 참고 : 실험 AUR 패키지. 대부분의 사용자에게는 Conda 또는 PIP로 설치하는 것이 좋습니다.
Gpytorch는 Archlinux 사용자 저장소 (AUR)에서도 제공됩니다. 다음과 같이 yay 와 같은 AUR 도우미로 설치할 수 있습니다.
yay -S python-gpytorch 이 AUR 패키지와 관련된 모든 문제를 논의하려면 python-gpytorch 의 주석 섹션을 참조하십시오.
gpytorch를 사용하는 경우 다음 논문을 인용하십시오.
Gardner, Jacob R., Geoff Pleiss, David Bindel, Kilian Q. Weinberger 및 Andrew Gordon Wilson. "Gpytorch : Blackbox Matrix-Matrix Gaussian Gaussian 프로세스 GPU 가속도에 대한 추론." 신경 정보 처리 시스템의 발전 (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}
}
기고 가이드 라인을 참조하십시오.
GPYTORCH는 주로 다음에 의해 유지됩니다.
Eytan Bakshy, Wesley Maddox, Ke Alexander Wang, Ruihan Wu, Sait Cakmak, David Eriksson, Sam Daulton, Martin Jankowiak, Sam Stanton, Zitong Zhou, David Arbor, Karthik Rajkumar, Bram Wallace를 포함한 다른 기고자들에게 감사하고 싶습니다.
Gpytorch의 개발은 Bill and Melinda Gates Foundation, National Science Foundation, SAP, Simons Foundation 및 Gatsby Charitable Trust의 자금 조달로 지원됩니다.
Gpytorch는 MIT 라이센스가 부여되었습니다.