pyro

---

시작하기 | 문서 | 커뮤니티 | 기여

Pyro는 PyTorch를 기반으로 구축된 유연하고 확장 가능한 심층 확률 프로그래밍 라이브러리입니다. 특히 다음 원칙을 염두에 두고 설계되었습니다.

• Universal : Pyro는 범용 PPL입니다. 계산 가능한 모든 확률 분포를 나타낼 수 있습니다.
• 확장 가능 : Pyro는 손으로 작성한 코드에 비해 오버헤드가 거의 없이 대규모 데이터 세트로 확장됩니다.
• 최소 : Pyro는 민첩하고 유지 관리가 가능합니다. 강력하고 구성 가능한 추상화의 작은 코어로 구현됩니다.
• 유연성 : Pyro는 원할 때 자동화하고 필요할 때 제어하는 ​​것을 목표로 합니다. 이는 생성 및 추론 모델을 표현하기 위한 높은 수준의 추상화를 통해 달성되는 동시에 전문가가 추론을 사용자 정의하기 위해 쉽게 액세스할 수 있도록 합니다.

Pyro는 원래 Uber AI에서 개발되었으며 현재는 Broad Institute의 전담 팀을 포함한 커뮤니티 기여자들에 의해 적극적으로 유지관리되고 있습니다. 2019년에 Pyro는 오픈 소스 소프트웨어, 개방형 표준, 개방형 데이터 및 개방형 하드웨어에 대한 협업을 위한 중립 공간인 Linux Foundation의 프로젝트가 되었습니다.

Pyro의 높은 수준의 동기 부여에 대한 자세한 내용은 출시 블로그 게시물을 확인하세요. 추가 블로그 게시물을 보려면 Pyro의 실험적 디자인 및 이벤트 발생 시간 모델링 작업을 확인하세요.

설치 중

안정적인 Pyro 릴리스 설치

pip를 사용하여 설치:

pip install pyro-ppl

소스에서 설치:

git clone [email protected]:pyro-ppl/pyro.git
cd pyro
git checkout master  # master is pinned to the latest release
pip install .

추가 패키지로 설치:

examples / tutorials 디렉터리에 포함된 확률 모델을 실행하는 데 필요한 종속성을 설치하려면 다음 명령을 사용하십시오.

pip install pyro-ppl[extras] 

모델이 설치한 것과 동일한 Pyro 소스 코드 릴리스 버전에서 나온 것인지 확인하세요.

Pyro 개발 브랜치 설치

최신 기능을 사용하려면 소스에서 Pyro를 설치할 수 있습니다.

pip를 사용하여 Pyro를 설치합니다:

pip install git+https://github.com/pyro-ppl/pyro.git

또는 extras 종속성을 사용하여 examples / tutorials 디렉터리에 포함된 확률 모델을 실행합니다.

pip install git+https://github.com/pyro-ppl/pyro.git#egg=project[extras]

소스에서 Pyro를 설치합니다:

git clone https://github.com/pyro-ppl/pyro
cd pyro
pip install .  # pip install .[extras] for running models in examples/tutorials 

Docker 컨테이너에서 Pyro 실행

여기의 지침을 참조하세요.

소환

Pyro를 사용하는 경우 다음을 인용해 보세요.

 @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}
}