kymatio

项目简介

Kymatio 是一个基于 Python 实现的小波散射变换库，专注于信号处理和机器学习中的大规模数值实验。小波散射变换提供了一种平移不变的信号表示，通常实现为卷积网络，其中滤波器是固定的小波滤波器，而不是通过学习获取的。

Kymatio 的功能

灵活性

Kymatio 为多种小波散射软件包的开发者提供了一个平台，包括 ScatNet, scattering.m, PyScatWave, WaveletScattering.jl, 和 PyScatHarm。它可以与深度学习框架结合，允许程序员反向传播小波散射系数的梯度，从而与端到端可训练的管道（例如深度神经网络）集成。

可移植性

Kymatio 的算法以高级命令式编程范式编写，可以移植到支持复杂线性代数和快速傅里叶变换的任何 Python 库中。每个算法都配有前端和后端，前端负责与用户交互，而后端则定义计算散射变换所需的函数。Kymatio 目前支持多个前端-后端组合，包括 NumPy、scikit-learn、PyTorch、TensorFlow、Keras 和 Jax。

可扩展性

Kymatio 提供了一种通用的应用编程接口，用于构建 1D、2D 和 3D 小波滤波器组，以及提取小波散射系数的内存高效算法。使用 GPU 而非多核 CPU，可以显著提高散射变换的计算速度。

安装指南

Kymatio 需要 Python 3.7 或以上版本，并且依赖 SciPy 0.13 或以上版本。建议在 Anaconda 环境下使用 pip 安装以简化依赖管理：

pip install kymatio

Kymatio 官方支持的操作系统包括 Linux 和 macOS。

前端使用示例

NumPy：

from kymatio.numpy import Scattering2D
scattering = Scattering2D(J=2, shape=(32, 32))

Scikit-learn：

from kymatio.sklearn import Scattering2D
scattering_transformer = Scattering2D(2, (32, 32))

PyTorch：

from kymatio.torch import Scattering2D
scattering = Scattering2D(J=2, shape=(32, 32))

TensorFlow 和 Keras：

from kymatio.tensorflow import Scattering2D
scattering = Scattering2D(J=2, shape=(32, 32))

Jax：

from kymatio.jax import Scattering2D
scattering = Scattering2D(J=2, shape=(32, 32))

GPU 加速

对于支持 GPU 的前端如 torch、tensorflow、keras 和 jax，可以显著加速散射变换的计算。要启用 torch 优化的 skcuda 后端，需先安装 scikit-cuda 和 cupy 依赖：

pip install scikit-cuda cupy

然后可使用以下代码实例化一个散射对象：

from kymatio.torch import Scattering2D
scattering = Scattering2D(J=2, shape=(32, 32), backend='torch_skcuda')

项目名称由来

Kymatio 的名字来源于希腊语 "Kyma"（κύμα），意为“波浪”，而 "Kymatio"（κυμάτιο）意为“小波”。这个名称和组织的名称统一拼写为 Kymatio，而对应的 Python 模块写为小写形式 (import kymatio)。推荐的发音是“kim-ah-tio”，与“patio”押韵。

通过以上介绍，Kymatio 可以作为信号处理和机器学习中小波散射变换的理想选择，具有灵活的设计、高效的计算能力和易于集成的特性。