torch-uncertainty/torch-uncertainty

何を解決するか

深層ニューラルネットワークはしばしば、どの程度確信しているかを示さずに予測を提供し、これが重要なアプリケーションでの信頼性の低い結果につながることがあります。TorchUncertainty は、この不確定性を定量化する包括的なフレームワークを提供し、モデルがいつ間違いやすいかをユーザーが理解できるように支援することで、モデルをより信頼できるようにします。

どのように機能するか

このライブラリは、PyTorch と PyTorch Lightning と統合されるマルチレベル API を提供し、以下の 4 つの主要タスクにおいてさまざまな不確定性定量化技術を実装します：分類、確率的／点ごとの回帰、セグメンテーション、およびピクセルごとの回帰。提供される機能は次のとおりです：

• 不確定性を考慮したモデル：Deep Ensembles、MC-Dropout、変分ベイジアンニューラルネットワーク、および Deep Evidential モデルの実装。
• 後処理：温度スケーリング（例えば）などの校正および conformal prediction のためのツールで、信頼度の推定を洗練します。
• 評価ツール：適切なスコア、校正、分布外（OOD）検出、および分布シフト指標を測定する自動ルーチン。
• データ拡張：Mixup や最新の破損など、モデルの堅牢性をテストするための専門的な方法。

誰のために設計されているか

単純な点予測を超えて、ディープラーニングパイプラインにおいて厳密な不確実性推定を実装する必要がある機械学習の研究者および実践者のために設計されています。

ハイライト

• 広範なメソッドサポート：主要な ML と CV の会議からの複数の論文の公式実装を含みます。
• タスクの多様性：画像セグメンテーションや単眼深度推定など、さまざまなタスクをサポートします。
• 自動評価：OOD 検出、選択的分類、および校正のための組み込みメトリクス。
• すぐに使えるコンポーネント：既存のネットワークへの容易な統合のために、ドロップインレイヤー、モデル、メトリクス、および損失を提供します。