PythonOT/POT
POT : Python Optimal Transport
해결하는 문제
이 라이브러리는 최적 운송 (OT) 문제를 위한 포괄적인 솔버 제품군을 제공합니다. OT는 확률 분포 간의 거리를 측정하는 데 사용되는 수학적 프레임워크로, 머신러닝에서 도메인 적응, 데이터셋 비교, 생성 모델 학습과 같은 작업에 매우 유용합니다.
작동 방식
정확한 선형 계획법 솔버(Earth Mover's Distance 등)부터 더 빠른 정규화 근사치(Sinkhorn 알고리즘 등)에 이르기까지 광범위한 알고리즘을 구현합니다. 이 라이브러리는 하드웨어에 구애받지 않도록 설계되었으며, NumPy, PyTorch, JAX, TensorFlow 및 CuPy와 원활하게 통합되는 백엔드를 제공하여 CPU와 GPU 모두에서 계산을 수행할 수 있습니다.
대상 사용자
신호 처리, 컴퓨터 비전 또는 딥러닝 분야에서 연구하거나 Wasserstein 거리 또는 OT 기반 손실 함수를 모델에 통합해야 하는 머신러닝 엔지니어를 위해 설계되었습니다.
주요 특징
- 방대한 OT 솔버 컬렉션: Gromov-Wasserstein, Fused Gromov-Wasserstein, 비균형 OT 및 부분 OT를 포함합니다.
- 다중 백엔드 지원: PyTorch, JAX, TensorFlow 및 NumPy 배열과 기본적으로 호환됩니다.
- ML 준비 완료: 도메인 적응, Wasserstein 중심점 및 그래프 신경망 (GNN) 레이어를 위한 사전 구축된 모듈을 제공합니다.
- 성능 최적화: 대규모 데이터셋을 위한 안정화된 Sinkhorn 구현 및 확률적 솔버가 포함되어 있습니다.
관련
- 프로젝트
ott-jax/ott대규모 최적 운반 문제를 해결하기 위한 JAX 기반 라이브러리로, 이산적 해법과 신경망 접근법을 활용하여 점군을 효율적으로 매칭하는 도구를 제공합니다.
- 프로젝트
hyperopt/hyperopt실수형, 이산형 및 조건부 차원을 포함한 복잡한 탐색 공간에 대해 순차적 및 병렬 하이퍼파라미터 최적화를 수행하는 Python 라이브러리입니다.
- 프로젝트
lotus-data/lotusLOTUS는 대규모 LLM 기반 데이터 처리를 위한 Python 라이브러리입니다. '시맨틱 연산자'(LLM 기반의 map, filter, reduce, join 등)와 모델 호출을 배치 처리 및 캐스케이드하여 정확도를 높이고 API 비용을 절감하는 최적화 도구를 도입했습니다. 이 라이브러리는 순수 LLM 연산자뿐만 아니라 각 데이터 샤드에서 도구를 사용하는 에이전트(샌드박스 Python REPL 등)를 실행하는 '에이전트 연산자'를 지원하여 코드베이스 분석, 연구 종합, 장애 모드 마이닝, 문서 추출, LLM-as-a-judge 평가, RAG와 같은 복잡한 작업을 가능하게 합니다. `pip install lotus-ai`를 통해 설치하며, `Corpus` 생성, 작업 지정, `agent` 또는 시맨틱 연산자 호출 방식으로 사용합니다. 스탠퍼드 대학교 및 UC 버클리 연구진의 지원을 받으며 ReadTheDocs에 문서화되어 있고, 커뮤니티 Discord와 예제 노트북도 제공합니다.
- 프로젝트
sktime/skproscikit-learn 호환 인터페이스를 제공하는 Python 라이브러리로, 표 형식 회귀, 생존 분석, 불확실성 정량화를 지원합니다.
- 프로젝트
WenjieDu/PyPOTSPyPOTS는 부분적으로 관측된 다변량 시계열 데이터를 처리하기 위해 설계된 Python 머신러닝 툴박스로, 결측치 보간, 예측, 분류, 클러스터링 및 이상 탐지를 위한 통합 API를 제공합니다.