gpytorch
v1.13
O GPytorch é uma biblioteca de processos gaussianos implementada usando Pytorch. O GPytorch foi projetado para a criação de modelos de processos gaussianos escaláveis, flexíveis e modulares com facilidade.
Internamente, o GPytorch difere de muitas abordagens existentes para a inferência de GP, realizando a maioria das operações de inferência usando técnicas de álgebra linear numéricas, como gradientes conjugados pré -condicionados. A implementação de um método GP escalável é tão simples quanto fornecer uma rotina de multiplicação de matriz com a matriz do kernel e seu derivado por meio de nossa interface linearoperator, ou compondo muitos de nossos LinearOperators já existentes. Isso permite não apenas a fácil implementação de técnicas populares de GP escaláveis, mas também geralmente para melhorar significativamente a utilização da computação de GPU em comparação com os solucionadores com base na decomposição de Cholesky.
O GPytorch fornece (1) aceleração significativa da GPU (através da inferência baseada em MVM); (2) implementações de última geração dos mais recentes avanços algorítmicos de escalabilidade e flexibilidade (Ski/Kiss-GP, expansões estocásticas de Lanczos, amor, pular, aprendizado de kernel profundo estocástico, ...); (3) Integração fácil com estruturas de aprendizado profundo.
Consulte nossa documentação, exemplos, tutoriais sobre como construir todos os tipos de modelos em Gpytorch.
Requisitos :
Instale o gpytorch usando o PIP ou o CONDA:
pip install gpytorch
conda install gpytorch -c gpytorch (Para usar pacotes globalmente, mas instale o GPytorch como um pacote somente para o usuário, use pip install --user acima.)
Para atualizar para a versão mais recente (instável), execute
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.gitSe você estiver contribuindo com uma solicitação de tração, é melhor realizar uma instalação 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 Nota : pacote experimental AUR. Para a maioria dos usuários, recomendamos a instalação da CONDA ou PIP.
O GPytorch também está disponível no Repositório de Usuário do Archlinux (AUR). Você pode instalá -lo com um ajudante AUR, como yay , como segue:
yay -S python-gpytorch Para discutir quaisquer questões relacionadas a este pacote AUR, consulte a seção de comentários do python-gpytorch .
Se você usa Gpytorch, cite os seguintes papéis:
Gardner, Jacob R., Geoff Pleiss, David Bindel, Kilian Q. Weinberger e Andrew Gordon Wilson. "Gpytorch: BlackBox Matrix-matrix Gaussian Inference com aceleração da GPU". Em Avanços nos Sistemas de Processamento de Informações Neurais (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}
}
Consulte as diretrizes que contribuíram contribuindo.md para obter informações sobre como enviar questões e solicitações.
Gpytorch é mantido principalmente por:
We would like to thank our other contributors including (but not limited to) Eytan Bakshy, Wesley Maddox, Ke Alexander Wang, Ruihan Wu, Sait Cakmak, David Eriksson, Sam Daulton, Martin Jankowiak, Sam Stanton, Zitong Zhou, David Arbour, Karthik Rajkumar, Bram Wallace, Jared Frank, and many more!
O desenvolvimento de Gpytorch é apoiado por financiamento da Bill and Melinda Gates Foundation, da National Science Foundation, da SAP, da Simons Foundation e do Gatsby Charitable Trust.
Gpytorch é licenciado pelo MIT.
