ml-stat-Sustech/TorchCP

解決的問題

TorchCP 為深度學習中的共形預測（CP）提供標準化的工具箱。它透過產生預測集合（用於分類）或區間（用於回歸），在使用者指定的機率下保證包含真實標籤，無論底層模型架構為何，皆能解決模型預測不確定性量化之挑戰。

如何運作

基於 PyTorch 並利用 GPU 加速，TorchCP 實作了廣泛的共形預測方法。支援訓練後方法（於模型訓練完成後應用）與訓練時方法（將 CP 結合至損失函數或訓練流程中）。該程式庫依任務類型組織，提供針對不同模態的專用評分函數與預測器。

適用對象

專為需要對深度學習模型進行嚴謹不確定性量化之研究人員與實務工作者設計，特別適用於從事分類、回歸、圖神經網絡（GNN）與大型語言模型（LLM）之工作的人員。

主要亮點

• 廣泛的任務支援：實作分類、回歸、圖神經網絡（GNN）與大型語言模型（LLM）的 CP 方法。
• 多樣的方法論：包含訓練後與訓練整合型共形方法。
• GPU 加速：利用 PyTorch 實現高效能運算。
• 豐富的實作：整合 NeurIPS、ICML、ICLR 等頂尖會議中的眾多先進方法。
• 高可靠性：維持 100% 的單元測試覆蓋率。