torch-uncertainty/torch-uncertainty

무엇을 해결하는가

깊은 신경망은 종종 자신의 확신 정도를 표시하지 않고 예측을 제공하며, 이는 중요한 응용 프로그램에서 신뢰할 수 없는 결과를 초래할 수 있습니다. TorchUncertainty는 이러한 불확실성을 정량화하는 포괄적인 프레임워크를 제공하여 사용자가 모델이 언제 틀릴 가능성이 있는지 이해하도록 도와 모델을 더 안정적으로 만듭니다.

어떻게 작동하는가

이 라이브러리는 PyTorch 및 PyTorch Lightning과 통합되는 다단계 API를 제공하여 다음과 같은 네 가지 주요 작업에서 다양한 불확실성 정량화 기술을 구현합니다: 분류, 확률적/점별 회귀, 세분화, 및 픽셀별 회귀. 제공되는 기능은 다음과 같습니다:

• 불확실성을 인식한 모델: Deep Ensembles, MC-Dropout, 변분 베이지안 신경망, 및 Deep Evidential 모델의 구현.
• 후처리: 온도 스케일링(예: temperature scaling)과 같은 보정 및 conformal 예측을 위한 도구로 신뢰도 추정치를 세분화합니다.
• 평가 도구: 적절한 점수, 보정, 분포 외(OOD) 탐지, 및 분포 이동 지표를 측정하는 자동 루틴.
• 데이터 증강: 모델의 견고성을 테스트하기 위한 Mixup 및 현대화된 손상과 같은 전문 방법.

누구를 위한 것인가

단순한 점 예측을 넘어 딥러닝 파이프라인에서 엄격한 불확실성 추정을 구현해야 하는 머신러닝 연구자 및 실무자를 위해 설계되었습니다.

주요 특징

• 광범위한 방법 지원: 주요 ML 및 CV 회의의 여러 논문의 공식 구현을 포함합니다.
• 작업의 다양성: 이미지 세분화 및 단안 깊이 추정과 같은 다양한 작업을 지원합니다.
• 자동 평가: OOD 탐지, 선택적 분류 및 보정을 위한 내장 메트릭스.
• 즉시 사용 가능한 구성 요소: 기존 네트워크에 쉽게 통합할 수 있는 드롭인 레이어, 모델, 메트릭스 및 손실을 제공합니다.