nflows

nflows

nflows是使用Pytorch的归一流流量的全面集合。

安装

来自PYPI

从PYPI安装：

 python -m pip install nflows

来自康达 - 福克

要使用pixi安装并添加nflows ，从项目目录运行中

 pixi add nflows

并在激活的环境中安装与conda的特定Conda环境

 conda install --channel conda-forge nflows

用法

定义流程：

 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 )

评估输入的对数概率：

 log_prob = flow . log_prob ( inputs )

从流中采样：

 samples = flow . sample ( num_samples )

示例文件夹中提供了工作流程的其他示例。

发展

安装所有依赖关系以进行开发：

 pip install -r requirements.txt

引用nflows

引用包裹：

 @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 }
}

版本编号旨在是nflows/version.py的版本。年度/月对应于发布日期。可以在Zenodo上找到其他版本的Bibtex条目。

如果您特别使用基于样条的流量，请考虑引用神经条件流纸：[Bibtex]。

参考

nflows衍生自最初与

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

nflows已在

Conor Durkan，Iain Murray，George Papamakarios，在对比度学习的对比度无推理中，ICML 2020。[Arxiv]。

伊恩·默里（Iain Murray）的Artur Bekasov，以嵌套的辍学量为标准化流量。 [arxiv]。

蒂姆·迪克霍恩（ Tim Dockhorn），詹姆斯·A·里奇（James A. [arxiv]。

有条件的密度估计包Pyknos使用了nflows ，进而使用了无似然推理框架SBI。