gpytorch

GPyTorch 项目介绍

什么是 GPyTorch？

GPyTorch 是一个基于 PyTorch 实现的高斯过程（Gaussian Process）库。它旨在轻松创建可扩展、灵活和模块化的高斯过程模型。与许多现有的方法不同，GPyTorch 在内部使用数值线性代数技术进行推理操作，例如预条件共轭梯度法。这种策略允许开发者通过 GPyTorch 的 LinearOperator 接口提供与核矩阵及其导数的矩阵乘法例程，从而轻松实现可扩展的高斯过程方法，并显著提高 GPU 计算的利用效果。

主要特点

1. 显著的 GPU 加速：通过基于 MVM（矩阵向量乘法）的推理实现。
2. 先进的算法实现：提供最新的算法进展以增强扩展性和灵活性，包括 SKI/KISS-GP、随机 Lanczos 展开、LOVE、SKIP 以及随机变分深度核学习等。
3. 易于与深度学习框架集成：GPyTorch 能与现有的深度学习环境顺利搭配使用，方便模型的开发与应用。

安装说明

要使用 GPyTorch，需要满足以下环境需求：

• Python 版本不低于 3.8
• PyTorch 版本不低于 2.0

用户可以通过以下命令使用 pip 或 conda 进行安装：

pip install gpytorch
conda install gpytorch -c gpytorch

若需要更新至最新（不稳定）版本，执行下列命令：

pip install --upgrade git+https://github.com/cornellius-gp/linear_operator.git
pip install --upgrade git+https://github.com/cornellius-gp/gpytorch.git

对于贡献代码者，建议使用手动安装的方式进行开发，以便提交 pull requests。

文档与教程

GPyTorch 的详细文档、示例与教程可以帮助用户了解如何在实际应用中构建各种模型。这些资源提供全面的指导和具体的代码示例，帮助开发者快速上手。

贡献者与支持

GPyTorch 由多所知名大学和企业的研究人员联合维护，并得到包括比尔和梅琳达·盖茨基金会、美国国家科学基金会以及其他知名机构的资助。核心维护团队来自宾夕法尼亚大学、哥伦比亚大学、康奈尔大学、纽约大学和 Meta 等顶尖学术研究机构。

许可证

GPyTorch 使用 MIT 许可证，这意味着用户可以自由地使用和修改这个软件，同时也要求保留相应的版权声明。

致谢

GPyTorch 的开发获得多方资助与支持，我们在此表达衷心感谢。您的贡献和支持对于项目的持续发展至关重要。对于希望参与开发或者改进的用户，可以参考项目的贡献指南进行学习。