Project Icon

bayesian-torch

贝叶斯神经网络层和不确定性估计的PyTorch扩展库

Bayesian-Torch是PyTorch的扩展库,用于在深度学习模型中实现贝叶斯推理和不确定性估计。它提供贝叶斯层,支持将确定性神经网络转换为贝叶斯形式。库包含变分推理、MOPED、量化和AvUC损失等功能,适用于不确定性感知应用。研究人员和开发者可利用Bayesian-Torch构建更可靠、可解释的AI模型。

Bayesian-Neural-Networks - 在PyTorch中实现的贝叶斯神经网络近似推断方法
Bayesian Neural NetworksGithubMNIST分类实验Pytorch回归实验开源项目近似推断方法
项目在PyTorch框架下实现了多种贝叶斯神经网络的近似推断方法,包括Bayes by Backprop、MC Dropout、SGLD和Kronecker-Factorised Laplace。这些方法适用于同质和异质回归实验及MNIST分类实验。项目提供了模型训练脚本、Colab笔记本和实验结果的可视化工具,方便用户进行模型训练和评估。所有依赖和数据集已在笔记本中预设,并支持免费GPU运行平台,帮助用户轻松上手。
botorch - PyTorch驱动的模块化贝叶斯优化库
BoTorchGithubPyTorch开源项目机器学习概率模型贝叶斯优化
BoTorch是一个基于PyTorch的贝叶斯优化库,提供模块化接口用于组合概率模型、采集函数和优化器。该库充分利用PyTorch的自动微分和并行计算能力,支持基于蒙特卡洛的采集函数,并与GPyTorch深度集成。BoTorch主要面向贝叶斯优化和AI领域的研究人员及专业实践者,为实现和测试新算法提供灵活高效的平台。
lightning-uq-box - 神经网络不确定性量化开源工具库
GithubLightning-UQ-BoxPyTorch不确定性量化开源项目机器学习深度学习
Lightning-UQ-Box是基于PyTorch的开源库,为神经网络提供多种不确定性量化技术。该库实现了多种UQ方法,支持不同架构和理论基础,便于在数据集上比较方法效果。它简化了UQ在工作流中的应用,降低了使用门槛,有助于促进UQ方法的比较和开发,并注重实验的可重现性。
awesome-uncertainty-deeplearning - 深度学习不确定性估计资源汇总
Github不确定性开源项目深度学习神经网络贝叶斯方法集成学习
该项目汇集深度学习不确定性估计领域的论文、代码、书籍和博客。内容涵盖贝叶斯方法、集成方法、采样/dropout方法等技术,以及在分类、回归、异常检测等方面的应用。项目为研究人员和实践者提供全面参考,助力深入理解和应用深度学习中的不确定性估计。
probability - TensorFlow生态系统中的概率推理与统计分析工具
GithubTensorFlow Probability分布计算开源项目概率推理深度学习统计分析
TensorFlow Probability 是一个概率推理与统计分析库,作为 TensorFlow 生态系统的一部分,结合了概率方法与深度网络。其功能包括自动微分的梯度推断,以及通过 GPU 和分布式计算实现对大规模数据集和模型的可扩展性。主要组件包括概率分布、可逆变换、联合分布、概率层和多种概率推断算法,如马尔可夫链蒙特卡洛和变分推断。提供详细教程和案例,帮助用户解决实际问题。
uncertainty-baselines - 提供高质量的不确定性和鲁棒性标准模板
GithubTPUTensorFlowUncertainty Baselines开源项目数据集模型
Uncertainty Baselines提供高质量的不确定性和鲁棒性标准模板,作为研究人员新想法和应用的起点,促进技术交流。项目高效实施关键任务,减少对代码库其他文件的依赖,便于独立使用。建议不确定性和鲁棒性评估的最佳实践,帮助研究人员快速原型化和基准比较。支持TensorFlow开发,可在TPUs和GPUs上运行,提升实验灵活性和重复性。
pytorch-ts - 概率时间序列预测开源框架
GithubPyTorchPyTorchTS开源项目时间序列预测概率模型深度学习
PyTorchTS是一个基于PyTorch的开源时间序列预测框架,利用GluonTS作为后端API。它提供先进的概率模型,支持数据处理和回测。该框架适用于单变量和多变量时间序列预测,安装简便,易于使用。PyTorchTS为数据科学家和研究人员提供了高效的时间序列分析工具。
baal - 贝叶斯主动学习库助力深度学习优化
BaalGithub不确定性估计主动学习开源项目深度学习蒙特卡洛方法
Baal是一个开源的贝叶斯主动学习库,适用于工业应用和研究场景。该库提供多种主动学习方法,如蒙特卡洛Dropout和深度集成。Baal框架由四个核心组件构成,使实现主动学习流程变得简单高效。支持Python 3.8及以上版本,可通过pip或Poetry安装。Baal能有效减少数据标注工作量,提升模型性能,是机器学习领域的实用工具。
variational-autoencoder - 变分自编码器参考实现,兼容TensorFlow和PyTorch
GithubMNISTPyTorchVariational Autoencoderjaxtensorflow开源项目
该项目提供了变分自编码器的参考实现,支持TensorFlow和PyTorch。项目中包含了逆自回归流变分家族的示例,通过变分推断对二值MNIST手写数字图像进行拟合。通过重要性采样估计边际似然,展示了高效的训练和验证结果。优化后的测试集边际对数似然达到了-95.33 nats。此外,该项目还提供了JAX实现,能够实现3倍于PyTorch的加速效果。
gpytorch - 基于PyTorch实现的灵活高斯过程建模工具
GPU加速GPyTorchGaussian processGithubKISS-GPPyTorch开源项目
GPyTorch是一个基于PyTorch实现的高斯过程库,旨在简便地创建可扩展、灵活的高斯过程模型。它通过数值线性代数技术实现了显著的GPU加速,并集成了如SKI/KISS-GP和随机Lanczos展开等先进算法,同时能与深度学习框架无缝结合。支持Python 3.8及以上版本。更多信息、示例和教程请参阅官方文档。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号