cornellius-gp/gpytorch

해결하는 문제

GPyTorch는 확장 가능하고 유연하며 모듈화된 가우시안 프로세스(GP) 모델을 구축하는 과제를 해결합니다. GPU 가속과 효율적인 수치 선형 대수를 활용하여 기존 GP 추론의 성능 병목 현상을 극복합니다.

작동 원리

Cholesky 분해에 의존하는 많은 GP 라이브러리와 달리, GPyTorch는 전처리된 공액 기울기법과 같은 수치 선형 대수 기법을 사용하여 대부분의 추론 작업을 수행합니다. LinearOperator 인터페이스를 활용하여 커널 행렬 및 그 도함수와의 행렬 곱셈을 처리함으로써 GPU 활용도를 크게 높이고 고급 확장 가능 GP 기술을 구현할 수 있습니다.

대상 사용자

대규모 데이터셋으로 확장 가능하고 딥러닝 프레임워크와 원활하게 통합되는 가우시안 프로세스 모델을 구현해야 하는 연구자와 개발자를 위해 설계되었습니다.

주요 특징

• MVM 기반 추론을 통한 강력한 GPU 가속.
• SKI/KISS-GP, 확률적 Lanczos 전개, LOVE, SKIP, 확률적 변분 딥 커널 학습을 포함한 최첨단 확장 가능 알고리즘 구현.
• PyTorch 및 기타 딥러닝 프레임워크와의 쉬운 통합.
• 유연한 GP 모델 생성을 위한 모듈식 설계.