cvxpy/cvxpylayers

해결하는 문제

CVXPYlayers를 사용하면 개발자가 볼록 최적화 문제를 미분 가능한 레이어로 딥러닝 모델에 직접 통합할 수 있습니다. 이를 통해 볼록 최적화 단계를 포함하는 신경망을 학습시킬 수 있으며, 역전파(backpropagation)를 통해 최적화 문제 자체의 매개변수를 모델이 학습할 수 있습니다.

작동 원리

이 라이브러리는 CVXPY를 사용하여 매개변수화된 볼록 최적화 문제를 정의합니다. 순전파(forward pass)에서는 최적화 문제를 풀어 해를 생성하고, 역전파(backward pass)에서는 입력 매개변수에 대한 해의 미분값을 계산하여 자동 미분 프레임워크와 호환되도록 합니다.

대상 사용자

PyTorch, JAX 또는 MLX를 사용하며 머신러닝 파이프라인에 최적화 제약 조건과 목적 함수를 포함해야 하는 연구원 및 엔지니어를 위해 설계되었습니다.

주요 특징

• 멀티 프레임워크 지원: PyTorch, JAX, MLX와 원활하게 연동됩니다.
• GPU 가속: Moreau 및 CuClarabel 백엔드를 통한 GPU 가속을 지원합니다.
• 광범위한 최적화 지원: 표준 볼록 계획법뿐만 아니라 로그-로그 볼록 계획법(LLCPs)도 처리합니다.
• 쌍대 변수 접근: 주 문제의 해뿐만 아니라 제약 조건의 쌍대 변수(라그랑주 승수)를 반환할 수 있습니다.