論文の概要: Torchhd: An Open-Source Python Library to Support Hyperdimensional Computing Research

• arxiv url: http://arxiv.org/abs/2205.09208v1
• Date: Wed, 18 May 2022 20:34:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-21 11:17:08.435125
• Title: Torchhd: An Open-Source Python Library to Support Hyperdimensional Computing Research
• Title（参考訳）: Torchhd:超次元コンピューティング研究をサポートするオープンソースのPythonライブラリ
• Authors: Mike Heddes, Igor Nunes, Pere Verg\'es, Dheyay Desai, Tony Givargis, Alexandru Nicolau
• Abstract要約: 超次元コンピューティング(Hyperdimensional Computing、HDC)は、高次元のランダムなベクトル空間を利用する神経インスパイアされたコンピューティングフレームワークである。 TorchhdはHDC用の高性能なオープンソースPythonライブラリである。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperdimensional Computing (HDC) is a neuro-inspired computing framework that exploits high-dimensional random vector spaces. HDC uses extremely parallelizable arithmetic to provide computational solutions that balance accuracy, efficiency and robustness. This has proven especially useful in resource-limited scenarios such as embedded systems. The commitment of the scientific community to aggregate and disseminate research in this particularly multidisciplinary field has been fundamental for its advancement. Adding to this effort, we propose Torchhd, a high-performance open-source Python library for HDC. Torchhd seeks to make HDC more accessible and serves as an efficient foundation for research and application development. The easy-to-use library builds on top of PyTorch and features state-of-the-art HDC functionality, clear documentation and implementation examples from notable publications. Comparing publicly available code with their Torchhd implementation shows that experiments can run up to 104$\times$ faster. Torchhd is available at: https://github.com/hyperdimensional-computing/torchhd
• Abstract（参考訳）: hyperdimensional computing (hdc) は、高次元ランダムベクトル空間を利用する神経インスパイアされたコンピューティングフレームワークである。 HDCは、精度、効率、堅牢性のバランスをとる計算ソリューションを提供するために非常に並列化可能な演算を使用する。 これは組み込みシステムのようなリソース制限のシナリオで特に有用であることが証明されている。 この専門分野の研究を集約し、広めるための科学コミュニティのコミットメントは、その進歩に基礎的であった。 この取り組みに加えて、HDC用の高性能オープンソースPythonライブラリであるTorchhdを提案する。 TorchhdはHDCをよりアクセスしやすくし、研究とアプリケーション開発の効率的な基盤として機能することを目指している。 PyTorch上に構築された使いやすいライブラリには,最先端のHDC機能や,著名な出版物の明確なドキュメント,実装例などが含まれている。 公開されているコードとTorchhdの実装を比較すると、実験は104$\times$速く実行できる。 torchhdは、https://github.com/hyperdimensional-computing/torchhdで利用可能である。

関連論文リスト

• TorchRL: A data-driven decision-making library for PyTorch [20.776851077664915]
  PyTorchは、プレミア機械学習フレームワークとして昇格したが、決定および制御タスクのためのネイティブで包括的なライブラリが欠如している。 我々はPyTorchの汎用制御ライブラリであるTorchRLを提案する。 ビルディングブロックの詳細な説明と、ドメインやタスクにわたるライブラリの概要について説明する。
  論文  参考訳（メタデータ） (2023-06-01T11:45:45Z)
• torchgfn: A PyTorch GFlowNet library [56.071033896777784]
  torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。 環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
  論文  参考訳（メタデータ） (2023-05-24T00:20:59Z)
• hyperbox-brain: A Toolbox for Hyperbox-based Machine Learning Algorithms [9.061408029414455]
  Hyperbox-brainはオープンソースのPythonライブラリで、主要なハイパーボックスベースの機械学習アルゴリズムを実装している。 Hyperbox-brainは、よく知られたScikit-learnおよびnumpyツールボックスと互換性のある統一APIを公開する。
  論文  参考訳（メタデータ） (2022-10-06T06:40:07Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• Python for Smarter Cities: Comparison of Python libraries for static and interactive visualisations of large vector data [0.0]
  Pythonは簡潔で自然な構文を持ち、コンピュータサイエンスの背景を持たない市町村のスタッフにとって参入障壁は低い。 本研究では,大規模ベクトルデータセットの可視化生成に関して,Pythonエコシステムにおける顕著かつ活発に開発された可視化ライブラリを評価する。 短いリストのライブラリはすべて、小さなデータセットと大きなデータセットの両方のサンプルマップ製品を生成することができた。
  論文  参考訳（メタデータ） (2022-02-26T10:23:29Z)
• PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
  PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。 マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。 ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
  論文  参考訳（メタデータ） (2021-11-18T18:59:58Z)
• ASH: A Modern Framework for Parallel Spatial Hashing in 3D Perception [91.24236600199542]
  ASHは、GPU上の並列空間ハッシュのためのモダンで高性能なフレームワークである。 ASHはより高いパフォーマンスを実現し、よりリッチな機能をサポートし、より少ないコード行を必要とする。 ASHとそのサンプルアプリケーションはOpen3Dでオープンソース化されている。
  論文  参考訳（メタデータ） (2021-10-01T16:25:40Z)
• TorchRadon: Fast Differentiable Routines for Computed Tomography [0.0]
  TorchRadonライブラリは、ディープラーニングとモデルベースのアプローチを組み合わせるために、CT問題に取り組む研究者を支援するように設計されている。 既存のAstra Toolboxと比較すると、TorchRadonは125倍高速である。 そのスピードとGPUサポートのため、TorchRadonは反復アルゴリズムの実装の高速バックエンドとしても効果的に使用できる。
  論文  参考訳（メタデータ） (2020-09-29T09:20:22Z)
• TorchIO: A Python library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning [68.8204255655161]
  我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。 TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合して、ニューラルネットワークのトレーニング中に画像を効率的に処理する。 Pythonを使わずに、画像ファイルに変換を適用できるコマンドラインインターフェースが含まれている。
  論文  参考訳（メタデータ） (2020-03-09T13:36:16Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。