Empezando | Documentación | Comunidad | Contribuyendo
Pyro es una biblioteca de programación probabilística profunda, flexible y escalable construida sobre PyTorch. En particular, fue diseñado teniendo en cuenta estos principios:
Pyro se desarrolló originalmente en Uber AI y ahora lo mantienen activamente los contribuyentes de la comunidad, incluido un equipo dedicado del Broad Institute. En 2019, Pyro se convirtió en un proyecto de la Fundación Linux, un espacio neutral para la colaboración en software de código abierto, estándares abiertos, datos abiertos y hardware abierto.
Para obtener más información sobre la motivación de alto nivel para Pyro, consulte nuestra publicación de blog de lanzamiento. Para publicaciones de blog adicionales, consulte el trabajo sobre diseño experimental y modelado de tiempo hasta eventos en Pyro.
Instalar usando pip:
pip install pyro-ppl
Instalar desde la fuente:
git clone [email protected]:pyro-ppl/pyro.git
cd pyro
git checkout master # master is pinned to the latest release
pip install .
Instalar con paquetes adicionales:
Para instalar las dependencias necesarias para ejecutar los modelos probabilísticos incluidos en los directorios de examples
/ tutorials
, utilice el siguiente comando:
pip install pyro-ppl[extras]
Asegúrese de que los modelos provengan de la misma versión del código fuente de Pyro que instaló.
Para funciones recientes, puede instalar Pyro desde la fuente.
Instale Pyro usando pip:
pip install git+https://github.com/pyro-ppl/pyro.git
o, con la dependencia extras
para ejecutar los modelos probabilísticos incluidos en los directorios de examples
/ tutorials
:
pip install git+https://github.com/pyro-ppl/pyro.git#egg=project[extras]
Instale Pyro desde la fuente:
git clone https://github.com/pyro-ppl/pyro
cd pyro
pip install . # pip install .[extras] for running models in examples/tutorials
Consulte las instrucciones aquí.
Si usa Pyro, considere citar:
@article{bingham2019pyro,
author = {Eli Bingham and
Jonathan P. Chen and
Martin Jankowiak and
Fritz Obermeyer and
Neeraj Pradhan and
Theofanis Karaletsos and
Rohit Singh and
Paul A. Szerlip and
Paul Horsfall and
Noah D. Goodman},
title = {Pyro: Deep Universal Probabilistic Programming},
journal = {J. Mach. Learn. Res.},
volume = {20},
pages = {28:1--28:6},
year = {2019},
url = {http://jmlr.org/papers/v20/18-403.html}
}