stripe/rainier

解決的問題

Rainier 提供了一個基於馬爾可夫鏈蒙特卡洛（MCMC）的高性能 Scala API，用於貝葉斯推論。它允許使用者建立具有連續參數的生成模型，從觀測資料中推斷後驗分佈，進而用於預測與決策。

工作原理

Rainier 使用靜態的、類似 TensorFlow 的計算圖，結合自動微分與快速的 CPU 執行。它完全以純 Scala 實作，為數值計算產生最佳化、非包裝、JIT 友好的 JVM 位元碼。推論透過類似 Stan 和 PyMC3 的哈密頓蒙特卡洛（HMC）採樣器變體來執行。

適用對象

在 JVM 生態系統（如使用 Spark 或 Hadoop 集群）中工作的開發人員與資料科學家，需要一個高性能的貝葉斯推論庫，適用於資料可放入單一機器記憶體的模型。

主要亮點

• 透過最佳化 JVM 位元碼實現高性能 CPU 執行。
• 純 Scala 實作，外部相依性極少，無 JNI 庫。
• 帶自動微分的靜態計算圖。
• 积極預計算資料以加速執行。
• 可輕鬆部署至 Spark 或 Hadoop 集群。