cornellius-gp/gpytorch

解決する課題

GPyTorchは、スケーラブルで柔軟かつモジュール化されたガウス過程（GP）モデルを構築するという課題に対処します。GPU加速と効率的な数値線形代数を活用することで、従来のGP推論におけるパフォーマンスのボトルネックを克服しています。

仕組み

Cholesky分解に依存する多くのGPライブラリとは異なり、GPyTorchは前処理付き共役勾配法などの数値線形代数技術を使用して推論操作の大部分を実行します。LinearOperatorインターフェースを利用してカーネル行列とその導関数の行列積を処理することで、GPU利用率を大幅に向上させ、高度でスケーラブルなGP技術の実装を可能にしています。

対象ユーザー

大規模なデータセットにスケールし、ディープラーニングフレームワークとシームレスに統合できるガウス過程モデルを実装する必要がある研究者や開発者向けに設計されています。

ハイライト

• MVMベースの推論による大幅なGPU加速。
• SKI/KISS-GP、確率的Lanczos展開、LOVE、SKIP、確率的変分ディープカーネル学習など、最先端のスケーラブルなアルゴリズムの実装。
• PyTorchやその他のディープラーニングフレームワークとの容易な統合。
• 柔軟なGPモデルを作成するためのモジュール式設計。