PyTorch中高斯过程的一个实现
项目描述
GPyTorch
GPyTorch是使用PyTorch实现的高斯过程库。GPyTorch旨在轻松创建可扩展、灵活和模块化的高斯过程模型。
内部，GPyTorch与许多现有的GP推理方法不同，它通过使用数值线性代数技术（如预条件共轭梯度）来执行大多数推理操作。实现可扩展的GP方法就像通过我们的LinearOperator接口提供矩阵乘法例程，或者通过组合我们现有的许多LinearOperators一样简单。这不仅使得流行可扩展的GP技术的实现变得容易，而且与基于Cholesky分解的求解器相比，通常还能显著提高GPU计算的使用率。
PyTorch GPyTorch 提供以下功能：(1) 显著的 GPU 加速（通过基于 MVM 的推理）；(2) 最先进的最新算法进步的实现，以实现可扩展性和灵活性（例如，SKI/KISS-GP、随机 Lanczos 展开式、LOVE、SKIP、随机变分 深度核学习 等）；(3) 与深度学习框架的简单集成。
示例、教程和文档
请参阅我们的 文档、示例和教程，了解如何在 GPyTorch 中构建各种模型。
安装
要求:
- Python >= 3.8
- PyTorch >= 2.0
使用 pip 或 conda 安装 GPyTorch
pip install gpytorch
conda install gpytorch -c gpytorch
（若要全局使用包但仅将 GPyTorch 安装为用户包，请使用上述 pip install --user 命令。）
最新（不稳定）版本
要升级到最新（不稳定）版本，请运行
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.git
开发版本
如果您正在提交拉取请求，最好进行手动安装
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
ArchLinux 软件包
注意：实验性 AUR 软件包。对于大多数用户，我们建议使用 conda 或 pip 进行安装。
GPyTorch 还可在 ArchLinux 用户仓库（AUR）中找到。您可以使用 AUR 辅助工具，如 yay，按照以下方式安装：
yay -S python-gpytorch
要讨论与该 AUR 软件包相关的任何问题，请参阅 python-gpytorch 的评论部分。
引用我们
如果您使用 GPyTorch，请引用以下论文
@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}
}
贡献
有关提交问题和拉取请求的信息，请参阅 CONTRIBUTING.md。
团队
GPyTorch 主要由以下人员维护：
- Jake Gardner（宾夕法尼亚大学）
- Geoff Pleiss（哥伦比亚大学）
- Kilian Weinberger（康奈尔大学）
- Andrew Gordon Wilson（纽约大学）
- Max Balandat（Meta）
我们还要感谢我们的其他贡献者，包括但不限于 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 等！
致谢
GPyTorch 的发展得到了以下机构的资助：比尔及梅琳达·盖茨基金会、美国国家科学基金会、SAP、西蒙斯基金会和盖茨慈善信托。
许可证
GPyTorch 采用 MIT 许可证。
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解有关 安装包 的更多信息。
源代码分发
构建分发
gpytorch-1.13.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | f4a488633a2a7a4ab37d12553d1d1dd39690043dbceef14ca428b7d5f89f73ba |
|
| MD5 | 1cac4f58f710d9405d37b7fa233775ff |
|
| BLAKE2b-256 | 1c659b66ad6faaff5ef9a3f7896d964419cb11c5b1776eb212cbe9f9d1502e7a |
gpytorch-1.13-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 97da5b07a524952612e8d265ec89d4a5ec0ef0587e76d6178961ce26ef9679d1 |
|
| MD5 | 69d0cc0cedbe42444c6bf515e432e499 |
|
| BLAKE2b-256 | 0577e19f17291dba1ad21206b632f2e638376cdfccb7cce852e4c34692c6f9f0 |