nflows

nflows

nflows是使用Pytorch的歸一流流量的全面集合。

安裝

來自PYPI

從PYPI安裝：

 python -m pip install nflows

來自康達 - 福克

要使用pixi安裝並添加nflows ，從項目目錄運行中

 pixi add nflows

並在激活的環境中安裝與conda的特定Conda環境

 conda install --channel conda-forge nflows

用法

定義流程：

 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 )

評估輸入的對數概率：

 log_prob = flow . log_prob ( inputs )

從流中採樣：

 samples = flow . sample ( num_samples )

示例文件夾中提供了工作流程的其他示例。

發展

安裝所有依賴關係以進行開發：

 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 }
}

版本編號旨在是nflows/version.py的版本。年度/月對應於發布日期。可以在Zenodo上找到其他版本的Bibtex條目。

如果您特別使用基於樣條的流量，請考慮引用神經條件流紙：[Bibtex]。

參考

nflows衍生自最初與

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

nflows已在

Conor Durkan，Iain Murray，George Papamakarios，在對比度學習的對比度無推理中，ICML 2020。 [Arxiv]。

伊恩·默里（Iain Murray）的Artur Bekasov，以嵌套的輟學量為標準化流量。 [arxiv]。

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

有條件的密度估計包Pyknos使用了nflows ，進而使用了無似然推理框架SBI。