Fugu-MT 論文翻訳(概要): Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models

論文の概要: Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models

arxiv url: http://arxiv.org/abs/2112.10638v1
Date: Mon, 20 Dec 2021 16:00:28 GMT
ステータス: 処理完了
システム内更新日: 2021-12-21 16:31:37.506079
Title: Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models
Title（参考訳）: Latte: ラテントベースの生成モデル評価のためのクロスフレームワークPythonパッケージ
Authors: Karn N. Watcharasupat, Junyoung Lee, and Alexander Lerch
Abstract要約: Latteは、潜伏型生成モデルを評価するためのPythonライブラリである。 LatteはPyTorchと/Kerasの両方と互換性があり、関数型APIとモジュール型APIの両方を提供する。
参考スコア（独自算出の注目度）: 65.51757376525798
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Latte (for LATent Tensor Evaluation) is a Python library for evaluation of latent-based generative models in the fields of disentanglement learning and controllable generation. Latte is compatible with both PyTorch and TensorFlow/Keras, and provides both functional and modular APIs that can be easily extended to support other deep learning frameworks. Using NumPy-based and framework-agnostic implementation, Latte ensures reproducible, consistent, and deterministic metric calculations regardless of the deep learning framework of choice.
Abstract（参考訳）: Latte (LATent Tensor Evaluation) は、非絡み合い学習と制御可能な生成の分野における潜在型生成モデルを評価するためのPythonライブラリである。 LatteはPyTorchとTensorFlow/Kerasの両方と互換性があり、関数型とモジュール型の両方のAPIを提供し、他のディープラーニングフレームワークをサポートするために簡単に拡張できる。 numpyベースのフレームワークに依存しない実装を使用して、latteは、ディープラーニングフレームワークに関係なく、再現性、一貫性、決定論的メトリック計算を保証する。

関連論文リスト

The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
論文参考訳（メタデータ） (2023-09-20T10:31:17Z)
PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文参考訳（メタデータ） (2023-05-30T07:57:05Z)
SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文参考訳（メタデータ） (2023-04-21T10:00:22Z)
DeeProb-kit: a Python Library for Deep Probabilistic Modelling [0.0]
DeeProb-kitはPythonで書かれた統一ライブラリで、DPM(Deep Probabilistic Model)のコレクションで構成されている。効率的に実装された学習技術、推論ルーチン、統計アルゴリズム、高品質な完全ドキュメントAPIを提供する。
論文参考訳（メタデータ） (2022-12-08T17:02:16Z)
MAPIE: an open-source library for distribution-free uncertainty quantification [0.0]
機械学習モデルの不確実性を定量化する,オープンソースのPythonライブラリであるMAPIEを紹介する。 MAPIEは構造的予測手法を実装しており、不確実性を容易に計算することができる。 scikit-learn-contribでホストされており、完全に「scikit-learn-compatible」である。
論文参考訳（メタデータ） (2022-07-25T15:44:19Z)
PyRelationAL: a python library for active learning research and development [1.0061110876649197]
アクティブラーニング(英: Active Learning, AL)は、反復的かつ経済的にデータを取得する手法の開発に焦点を当てたMLのサブフィールドである。本稿では,AL研究のためのオープンソースライブラリであるPyRelationALを紹介する。プールベースのアクティブラーニング戦略を構成するための2段階の設計方法論をベースとしたモジュラーツールキットについて述べる。
論文参考訳（メタデータ） (2022-05-23T08:21:21Z)
PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文参考訳（メタデータ） (2021-01-11T22:02:08Z)
Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。分類モデルと非分類モデルの両方に使用できる。
論文参考訳（メタデータ） (2020-09-16T18:57:57Z)
Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-29T21:41:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。