Geomstats：机器学习中黎曼几何的Python包
尼娜·米奥兰（Nina Miolane）、尼古拉斯·圭圭（Nicolas Guigui）、爱丽丝·勒·布里甘特（Alice Le Brigant）、约翰·马瑟（Johan Mathe）、本杰明·侯（Benjamin Hou）、亚恩·丹沃达斯（Yann Thanwerdas）、斯特凡·海德（Stefan Heyder）、奥利维尔·佩尔特（Olivier Peltre）、尼古拉·科普（Niklas Koep）、哈迪·扎提提（Hadi Zaatti）; 21（223）：2020年1月9日。
摘要
我们介绍Geomstats，这是一个开放源码的Python包，用于计算和统计非线性流形，如双曲空间、对称正定矩阵空间、李变换群等。我们提供面向对象和广泛的单元测试实现。流形配备了黎曼度量族，以及相关的指数和对数映射、测地线和并行传输。统计和学习算法为流形上的估计、聚类和降维提供了方法。所有相关操作都被矢量化以进行批处理计算，并为不同的执行后端提供支持，即NumPy、PyTorch和TensorFlow。本文介绍了该包，并将其与相关库进行了比较，并提供了相关的代码示例。我们表明，Geomstats为促进微分几何和统计学的研究以及在机器学习应用中民主使用黎曼几何提供了可靠的构建块。源代码可以在geomstats.ai的MIT许可下免费获得。
[腹肌]
[pdf格式][围兜] [代码]
