GPy火炬 swMATH ID: 35483 软件作者： 雅各布·R·加德纳、杰夫·普莱斯、大卫·宾德尔、基里安·Q·温伯格、安德鲁·戈登·威尔逊 描述： GPyTorch:GPU加速的黑箱矩阵高斯过程推断。尽管在可伸缩模型方面取得了进步，但用于高斯过程（GP）的推理工具尚未充分利用计算硬件的发展。我们提出了一种基于黑盒矩阵乘法（BBMM）的GP推理的通用方法。BBMM推理使用共轭梯度算法的修改批处理版本，在单个调用中导出用于训练和推理的所有术语。BBMM将精确GP推断的渐近复杂性从O（n3）降低到O（n2）。将此算法应用于可缩放近似和复杂GP模型只需要一个例程来高效地使用核及其导数进行矩阵-矩阵乘法。此外，BBMM使用专门的预条件器来大大加快收敛速度。实验表明，BBMM有效地使用GPU硬件来显著加速精确GP推理和可缩放近似。此外，我们还提供了GPyTorch，这是一个基于Py Torch构建的通过BBMM进行可扩展GP推理的软件平台。 主页： https://gpytorch.ai网址 源代码： http://github.com/cornellius-gp/gpytorch 依赖项： PyTorch公司 关键词： 机器学习;arXiv_cs.LG公司;arXiv_状态ML;高斯过程;普通合伙人;GPU加速;黑盒矩阵-矩阵乘法;BBMM公司;PyTorch公司 相关软件： PyTorch公司;TensorFlow公司;G流量;科学Py;蟒蛇;亚当;PPINN公司;BoTorch公司;PILCO公司;日本宇宙航空公司;UCI-毫升;Scikit公司;掌中宽带;github;通用公共管理语言;GPy公司;PyTorch闪电;ImageNet公司;MNIST公司;数字Py 引用于： 18出版物 标准条款 1出版物描述软件 年份 GPyTorch:GPU加速的黑箱矩阵高斯过程推断雅各布·R·加德纳、杰夫·普莱斯、大卫·宾德尔、基里安·Q·温伯格、安德鲁·戈登·威尔逊 2018 全部的 前5名68位作者引用 2 尼古拉斯·A·亚当斯。 2 海萨姆·布·阿马尔 2 艾丽斯·科尔蒂诺维斯 2 亚历山大一世，科恩·里弗斯。 2 丹尼尔·克雷斯纳 2 王军 2 约瑟夫·温特（Josef M.Winter）。 1 穆罕默德·阿明·阿卜杜拉 1 斯特凡·阿达米 1 伊斯坎德·阿卡托夫。 1 博罗维茨基，维亚切斯拉夫A。 1 拉明·博斯塔纳巴德 1 大卫·R·伯特。 1 纳达夫·卡梅尔 1 阿帕纳州钱德拉莫利什瓦兰 1 本杰明·查利尔 1 乔申，时代 1 弗朗索瓦·达维德·科林 1 萨尔瓦多科莫 1 马克·彼得·戴森罗特（Marc Peter Deisenroth） 1 吉斯兰·杜里夫 1 冯一奇 1 吉恩·费迪 1 保罗·弗雷斯科尼 1 法比奥·詹保罗 1 琼·阿列克西斯·格拉内斯 1 瑞恩·赖斯·格里菲斯 1 安托万·格罗斯尼特 1 威廉·赫兰兹 1 曼弗雷德·贾格尔 1 凯撒，J.W.J。 1 罗伯特·M·II·柯比 1 普雷德拉格·克拉斯尼亚 1 Koutsourelakis、Phaedon-Stelios 1 廖鹏 1 斯特凡诺·马赛 1 文森特·莫恩斯 1 彼得·莫斯托夫斯基 1 苏珊·墨菲。 1 阿基尔·纳拉扬。 1 丹尼尔·尼尔。 1 尼基什，汉内斯 1 或者，Dvir Ben 1 丹尼尔·帕勒尼斯克 1 迈克尔·彭沃登 1 佩迪卡里斯，巴黎G。 1 弗朗西斯科·皮夏利 1 罗伯特·普莱纳斯 1 马齐亚·莱斯 1 卡尔·爱德华·拉斯穆森 1 吉安路易吉·罗扎 1 斯齐亚诺·迪科尔（Schiano Di Cola）、文森佐（Vincenzo） 1 费利克斯·S·施兰纳。 1 吉尔·沙巴特 1 史天一 1 艾瓦·索特拉 1 亚历山大·特列宁 1 亚历山德罗·蒂博 1 萨宾娜·汤金斯 1 亚历克斯·汤森 1 拉苏尔·图图诺夫 1 马克·范德威尔克 1 王恒杰 1 安德鲁·戈登·威尔逊 1 詹姆斯·威尔逊。 1 尼古拉斯·扎巴拉斯。 1 哲、珊甸 1 朱银浩 全部的 前5名7篇连载文章中引用 6 机器学习研究杂志（JMLR） 三 计算物理杂志 三 SIAM矩阵分析与应用杂志 2 应用力学与工程中的计算机方法 2 机器学习 1 科学计算杂志 1 计算数学基础 全部的 前5名11个领域引用 12 计算机科学（68至XX） 8 数值分析（65-XX） 2 偏微分方程（35-XX） 2 概率论与随机过程（60-XX） 2 流体力学（76-XX） 1 线性代数和多线性代数；矩阵理论（15-XX） 1 近似值和展开值（41至XX） 1 统计学（62-XX） 1 可变形固体力学（74-XX） 1 运筹学、数学规划（90-XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文