gpytorch

Gpytorch

---

Gpytorch เป็นห้องสมุดกระบวนการเกาส์เซียนที่ใช้งานโดยใช้ Pytorch Gpytorch ได้รับการออกแบบมาเพื่อสร้างโมเดลกระบวนการ Gaussian ที่ปรับขนาดได้ยืดหยุ่นและแบบโมดูลาร์ได้อย่างง่ายดาย

ภายใน Gpytorch แตกต่างจากวิธีการที่มีอยู่มากมายไปจนถึงการอนุมาน GP โดยการดำเนินการอนุมานส่วนใหญ่โดยใช้เทคนิคพีชคณิตเชิงเส้นเชิงตัวเลขเช่นการไล่ระดับสีคอนจูเกตแบบ preconditioned การใช้วิธี GP ที่ปรับขนาดได้นั้นง่ายพอ ๆ กับการจัดทำรูทีนการคูณเมทริกซ์ด้วยเคอร์เนลเมทริกซ์และอนุพันธ์ผ่านอินเตอร์เฟส LinearOperator ของเราหรือโดยการเขียน LinearOperators ที่มีอยู่แล้วของเราจำนวนมาก สิ่งนี้ไม่เพียง แต่ช่วยให้ใช้เทคนิค GP ที่ปรับขนาดได้อย่างง่ายดาย แต่มักจะเป็นการปรับปรุงการใช้งานคอมพิวเตอร์ GPU ที่ดีขึ้นเมื่อเทียบกับตัวแก้ปัญหาตามการสลายตัวของ Cholesky

Gpytorch ให้ (1) การเร่งความเร็ว GPU ที่สำคัญ (ผ่านการอนุมานตาม MVM); (2) การใช้งานที่ล้ำสมัยของความก้าวหน้าทางอัลกอริทึมล่าสุดสำหรับความยืดหยุ่นและความยืดหยุ่น (สกี/KISS-GP, การขยายตัวของสุ่ม Lanczos, ความรัก, ข้าม, การเรียนรู้เคอร์เนลลึกแบบสุ่ม, ... ); (3) การบูรณาการง่าย ๆ กับกรอบการเรียนรู้ลึก

ตัวอย่างบทเรียนและเอกสารประกอบ

ดู เอกสารของเราตัวอย่างบทเรียน เกี่ยวกับวิธีการสร้างแบบจำลองทุกประเภทใน Gpytorch

การติดตั้ง

ความต้องการ :

• Python> = 3.8
• pytorch> = 2.0

ติดตั้ง gpytorch โดยใช้ pip หรือ conda:

pip install gpytorch
conda install gpytorch -c gpytorch

(หากต้องการใช้แพ็คเกจทั่วโลก แต่ติดตั้ง gpytorch เป็นแพ็คเกจผู้ใช้อย่างเดียวใช้ pip install --user ด้านบน)

เวอร์ชันล่าสุด (ไม่เสถียร)

หากต้องการอัพเกรดเป็นเวอร์ชันล่าสุด (ไม่เสถียร) ให้เรียกใช้

pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.git

เวอร์ชันการพัฒนา

หากคุณมีส่วนร่วมในการร้องขอการดึงคุณควรทำการติดตั้งด้วยตนเอง:

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 

แพ็คเกจ Archlinux

หมายเหตุ : แพ็คเกจ AUR ทดลอง สำหรับผู้ใช้ส่วนใหญ่เราขอแนะนำให้ติดตั้งโดย Conda หรือ PIP

Gpytorch ยังมีอยู่ในที่เก็บผู้ใช้ Archlinux (AUR) คุณสามารถติดตั้งด้วยตัวช่วย AUR ได้เช่น yay ดังนี้:

yay -S python-gpytorch

เพื่อหารือเกี่ยวกับปัญหาใด ๆ ที่เกี่ยวข้องกับแพ็คเกจ AUR นี้อ้างถึงส่วนความคิดเห็นของ python-gpytorch

อ้างถึงเรา

หากคุณใช้ gpytorch โปรดอ้างอิงเอกสารต่อไปนี้:

การ์ดเนอร์, Jacob R. , Geoff Pleiss, David Bindel, Kilian Q. Weinberger และ Andrew Gordon Wilson "Gpytorch: Blackbox Matrix-Matrix Gaussian กระบวนการอนุมานกับการเร่งความเร็วของ GPU" ในความก้าวหน้าในระบบการประมวลผลข้อมูลประสาท (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}
}

การบริจาค

ดูแนวทางการสนับสนุนที่มีส่วนร่วม MD สำหรับข้อมูลเกี่ยวกับการส่งปัญหาและดึงคำขอ

ทีม

Gpytorch ได้รับการดูแลเป็นหลักโดย:

• Jake Gardner (มหาวิทยาลัยเพนซิลเวเนีย)
• Geoff Pleiss (มหาวิทยาลัยโคลัมเบีย)
• Kilian Weinberger (Cornell University)
• Andrew Gordon Wilson (มหาวิทยาลัยนิวยอร์ก)
• Max Balandat (Meta)

เราขอขอบคุณผู้สนับสนุนคนอื่น ๆ ของเรารวมถึง (แต่ไม่ จำกัด เพียง) Eytan Bakshy, Wesley Maddox, Ke Alexander Wang, Ruihan Wu, Sait Cakmak, David Eriksson, Sam Daulton, Martin Jankowiak, Sam Stanton, Zitong Zhou

กิตติกรรมประกาศ

การพัฒนาของ Gpytorch ได้รับการสนับสนุนโดยการระดมทุนจากมูลนิธิ Bill และ Melinda Gates มูลนิธิวิทยาศาสตร์แห่งชาติ SAP มูลนิธิ Simons และ Gatsby Charitable Trust

ใบอนุญาต

Gpytorch ได้รับใบอนุญาต MIT