thomaspinder/GPJax

解决的问题

GPJax 为实现高斯过程 (GP) 模型提供了一个灵活的低层接口。其目标是弥合纸面上的数学符号与实际代码之间的鸿沟，允许研究人员在不受可能具有限制的高层抽象约束的情况下，实现并扩展 GP 模型。

工作原理

该库构建在 JAX 之上，利用 JAX 的自动微分和硬件加速来实现各种 GP 方法。它提供了一种定义核函数和执行推理的结构化方法，支持包括共轭推理、稀疏变分推理和拉普拉斯近似在内的广泛技术。

适用对象

它主要为从事高斯过程研究的研究人员设计，这些研究人员需要最大限度的灵活性来定制他们的模型、创建自定义核函数并尝试新的推理方法。

亮点

• 广泛的方法支持：支持回归、分类和泊松回归，以及异方差推理和深度核回归。
• 灵活的定制：允许创建自定义核函数以及在非欧几里得空间或图上进行推理。
• JAX 驱动：利用 JAX 进行高效计算和硬件加速。
• 多样化的推理技术：包括稀疏变分推理、随机变分推理和拉普拉斯近似的实现。