dfm/tinygp
The tiniest of Gaussian Process libraries
해결하는 문제
가벼운, 빠르고 효율적인 방식으로 Python에서 가우시안 프로세스(GP) 모델을 구현할 수 있도록 제공하며, 무거운 라이브러리의 오버헤드를 피하면서도 높은 성능을 유지합니다.
작동 방식
JAX 위에 구축되어 있으며, JAX의 자동 미분 및 GPU 가속 기능을 활용하여 GP 모델의 계산을 가속화합니다.
대상 사용자
JAX 생태계와 원활하게 통합되는 최소한의 강력한 가우시안 프로세스 라이브러리가 필요한 연구자 및 개발자입니다.
주요 특징
- GPU 가속 지원
- 자동 미분
- 가벼운 최소한의 인터페이스
- 벤치마크를 통한 높은 성능 증명
관련
- 프로젝트
thomaspinder/GPJaxJAX로 구축된 저수준 가우스 과정 프레임워크로, 연구자들이 수학적 표기법을 밀접하게 따르며 GP 모델을 구현하고 확장할 수 있는 유연성을 제공합니다.
- 프로젝트
GPflow/GPflowTensorFlow와 TensorFlow Probability를 사용하여 빠른 GPU 가속 추론을 제공하는 Python 라이브러리로, Gaussian Process 모델 구축을 지원합니다.
- 프로젝트
jax-ml/jax가속기 중심의 배열 계산과 프로그램 변환을 위한 파이썬 라이브러리로, 고성능 수치 계산과 대규모 머신러닝을 위해 설계됨.
- 프로젝트
google/grainJAX 모델의 학습 및 평가를 위한 데이터를 읽고 처리하기 위한 Python 라이브러리로, 빠르고 결정론적인 데이터 파이프라인을 제공합니다.
- 프로젝트
pyro-ppl/numpyroJAX를 기반으로 하여 GPU/TPU/CPU에서 MCMC 및 변분 추론을 통해 빠른 베이지안 추론을 제공하는 경량 확률적 프로그래밍 라이브러리.