Memulai | Dokumentasi | Komunitas | Berkontribusi
Pyro adalah pustaka pemrograman probabilistik mendalam yang fleksibel dan dapat diskalakan yang dibangun di PyTorch. Khususnya, ini dirancang dengan mempertimbangkan prinsip-prinsip berikut:
Pyro awalnya dikembangkan di Uber AI dan sekarang dikelola secara aktif oleh kontributor komunitas, termasuk tim khusus di Broad Institute. Pada tahun 2019, Pyro menjadi proyek Linux Foundation, ruang netral untuk kolaborasi perangkat lunak sumber terbuka, standar terbuka, data terbuka, dan perangkat keras terbuka.
Untuk informasi lebih lanjut tentang motivasi tingkat tinggi Pyro, lihat postingan blog peluncuran kami. Untuk postingan blog tambahan, lihat pekerjaan pada desain eksperimental dan pemodelan waktu-ke-acara di Pyro.
Instal menggunakan pip:
pip install pyro-ppl
Instal dari sumber:
git clone [email protected]:pyro-ppl/pyro.git
cd pyro
git checkout master # master is pinned to the latest release
pip install .
Instal dengan paket tambahan:
Untuk menginstal dependensi yang diperlukan untuk menjalankan model probabilistik yang disertakan dalam direktori examples
/ tutorials
, silakan gunakan perintah berikut:
pip install pyro-ppl[extras]
Pastikan model berasal dari versi rilis kode sumber Pyro yang sama dengan yang Anda instal.
Untuk fitur terbaru Anda dapat menginstal Pyro dari sumber.
Instal Pyro menggunakan pip:
pip install git+https://github.com/pyro-ppl/pyro.git
atau, dengan ketergantungan extras
untuk menjalankan model probabilistik yang disertakan dalam direktori examples
/ tutorials
:
pip install git+https://github.com/pyro-ppl/pyro.git#egg=project[extras]
Instal Pyro dari sumber:
git clone https://github.com/pyro-ppl/pyro
cd pyro
pip install . # pip install .[extras] for running models in examples/tutorials
Lihat petunjuknya di sini.
Jika Anda menggunakan Pyro, harap pertimbangkan untuk mengutip:
@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}
}