dfm/tinygp

The tiniest of Gaussian Process libraries

何を解決するか

Pythonでガウス過程（GP）モデルを実装するための軽量で高速かつ効率的な方法を提供し、重いライブラリのオーバーヘッドを回避しつつ、高いパフォーマンスを維持します。

動作方法

JAXの上に構築されており、JAXの自動微分およびGPU加速機能を活用して、GPモデルの計算を高速化します。

対象ユーザー

JAXエコシステムとシームレスに統合できる、最小限ながら強力なガウス過程ライブラリを必要とする研究者や開発者です。

特徴

  • GPU加速対応
  • 自動微分
  • 軽量で最小限のインターフェース
  • ベンチマークによる高いパフォーマンスの証明

関連

  • プロジェクト
    thomaspinder/GPJax

    JAXで構築された低レベルのガウス過程フレームワークであり、数学的表記に忠実にGPモデルを実装・拡張できる柔軟性を研究者に提供します。

  • プロジェクト
    GPflow/GPflow

    TensorFlow と TensorFlow Probability を使用した高速 GPU 加速推論のための Python ライブラリで、ガウス過程モデルの構築を支援します。

  • プロジェクト
    jax-ml/jax

    アクセラレータ指向の配列計算とプログラム変換のための Python ライブラリ。高性能な数値計算および大規模機械学習向けに設計されています。

  • プロジェクト
    google/grain

    JAX モデルの学習および評価に使用するデータを読み取り、処理するための Python ライブラリ。高速かつ決定論的なデータパイプラインを提供します。

  • プロジェクト
    pyro-ppl/numpyro

    JAXを基盤とし、GPU/TPU/CPU上でMCMCおよび変分推論による高速なベイズ推論を提供する軽量な確率的プログラミングライブラリ。