GPyTorch 项目介绍
什么是 GPyTorch?
GPyTorch 是一个基于 PyTorch 实现的高斯过程(Gaussian Process)库。它旨在轻松创建可扩展、灵活和模块化的高斯过程模型。与许多现有的方法不同,GPyTorch 在内部使用数值线性代数技术进行推理操作,例如预条件共轭梯度法。这种策略允许开发者通过 GPyTorch 的 LinearOperator
接口提供与核矩阵及其导数的矩阵乘法例程,从而轻松实现可扩展的高斯过程方法,并显著提高 GPU 计算的利用效果。
主要特点
- 显著的 GPU 加速:通过基于 MVM(矩阵向量乘法)的推理实现。
- 先进的算法实现:提供最新的算法进展以增强扩展性和灵活性,包括 SKI/KISS-GP、随机 Lanczos 展开、LOVE、SKIP 以及随机变分深度核学习等。
- 易于与深度学习框架集成:GPyTorch 能与现有的深度学习环境顺利搭配使用,方便模型的开发与应用。
安装说明
要使用 GPyTorch,需要满足以下环境需求:
- Python 版本不低于 3.8
- PyTorch 版本不低于 2.0
用户可以通过以下命令使用 pip
或 conda
进行安装:
pip install gpytorch
conda install gpytorch -c gpytorch
若需要更新至最新(不稳定)版本,执行下列命令:
pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.git
对于贡献代码者,建议使用手动安装的方式进行开发,以便提交 pull requests。
文档与教程
GPyTorch 的详细文档、示例与教程可以帮助用户了解如何在实际应用中构建各种模型。这些资源提供全面的指导和具体的代码示例,帮助开发者快速上手。
贡献者与支持
GPyTorch 由多所知名大学和企业的研究人员联合维护,并得到包括比尔和梅琳达·盖茨基金会、美国国家科学基金会以及其他知名机构的资助。核心维护团队来自宾夕法尼亚大学、哥伦比亚大学、康奈尔大学、纽约大学和 Meta 等顶尖学术研究机构。
许可证
GPyTorch 使用 MIT 许可证,这意味着用户可以自由地使用和修改这个软件,同时也要求保留相应的版权声明。
致谢
GPyTorch 的开发获得多方资助与支持,我们在此表达衷心感谢。您的贡献和支持对于项目的持续发展至关重要。对于希望参与开发或者改进的用户,可以参考项目的贡献指南进行学习。