访问官网
Github
文档
论文Torchdyn 项目介绍
项目概述
Torchdyn 是一个基于 PyTorch 的库，专注于数值深度学习，包括微分方程、积分变换和数值方法。这个项目由 DiffEqML 社区维护，旨在通过现代深度学习技术和改进的计算资源，实现神经网络的连续版本，并为经典机器学习问题提供新的视角。
快速开始
Torchdyn 提供多种工具和层，方便用户构建数值深度学习模型。例如，构建神经微分方程的过程如下：
from torchdyn.core import NeuralODE
import torch.nn as nn
# 创建自定义的神经网络模块
f = nn.Sequential(nn.Conv2d(1, 32, 3),
nn.Softplus(),
nn.Conv2d(32, 1, 3))
# 使用 NeuralODE 包装为可训练模型
nde = NeuralODE(f)
Torchdyn 允许用户将其类与任何 PyTorch 模块结合，以创建复合模型。除了 NeuralODE 和 NeuralSDE，Torchdyn 提供了各种教程、GPU 兼容的数值方法的功能 API 和基准测试。
安装方法
用户可以通过以下命令安装稳定版：
pip install torchdyn
或者，使用 poetry 来构建 torchdyn 的虚拟开发环境。
项目背景与动机
近来，微分方程、深度学习和动态系统的结合引起了广泛关注。不断发展的深度学习框架，如 PyTorch，与计算资源的提升相结合，使得神经网络的连续版本成为可能。Torchdyn 探索了如何利用可微编程来提升深度学习的效能，加速科学领域（如控制、流体动力学以及复杂动态系统预测）的进步。
项目应用与教程
Torchdyn 提供了一系列自包含的快速入门示例和教程，适用于实践者和研究人员。用户可以在 Torchdyn 的教程中查找相关内容。
社区贡献
Torchdyn 鼓励用户贡献教程、模型变体、数值方法和应用程序，以推动连续和隐式深度学习的发展。该项目的开发和管理借助 poetry 来进行环境创建与需求管理。关注项目中的 ongoing work 可以找到可能的贡献方向。
结语
Torchdyn 通过集中提供各种模型模板、教程和应用笔记本，旨在加速这一领域的研究进展，并最终确立神经微分方程和隐式模型作为控制、系统识别和通用机器学习任务的有效工具。如果您在研究或应用项目中发现 Torchdyn 的价值，欢迎在相关论文中引用这一项目。
