論文の概要: Trieste: Efficiently Exploring The Depths of Black-box Functions with TensorFlow

• arxiv url: http://arxiv.org/abs/2302.08436v1
• Date: Thu, 16 Feb 2023 17:21:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 13:12:04.300691
• Title: Trieste: Efficiently Exploring The Depths of Black-box Functions with TensorFlow
• Title（参考訳）: Trieste: TensorFlowによるブラックボックス関数の深さの効率的な探索
• Authors: Victor Picheny, Joel Berkeley, Henry B. Moss, Hrvoje Stojic, Uri Granta, Sebastian W. Ober, Artem Artemev, Khurram Ghani, Alexander Goodall, Andrei Paleyes, Sattar Vakili, Sergio Pascual-Diaz, Stratis Markou, Jixiang Qing, Nasrulloh R. B. S Loka, Ivo Couckuyt
• Abstract要約: Triesteは、ベイジアン最適化とアクティブラーニングのためのオープンソースのPythonパッケージである。 我々のライブラリは、シーケンシャルな意思決定ループ内で人気のあるモデルのプラグアンドプレイを可能にする。
• 参考スコア（独自算出の注目度）: 50.691232400959656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Trieste, an open-source Python package for Bayesian optimization and active learning benefiting from the scalability and efficiency of TensorFlow. Our library enables the plug-and-play of popular TensorFlow-based models within sequential decision-making loops, e.g. Gaussian processes from GPflow or GPflux, or neural networks from Keras. This modular mindset is central to the package and extends to our acquisition functions and the internal dynamics of the decision-making loop, both of which can be tailored and extended by researchers or engineers when tackling custom use cases. Trieste is a research-friendly and production-ready toolkit backed by a comprehensive test suite, extensive documentation, and available at https://github.com/secondmind-labs/trieste.
• Abstract（参考訳）: 我々は、TensorFlowのスケーラビリティと効率の恩恵を受け、ベイズ最適化とアクティブラーニングのためのオープンソースのPythonパッケージであるTriesteを紹介する。 私たちのライブラリは、GPflowやGPfluxのガウスプロセスやKerasのニューラルネットワークなど、シーケンシャルな意思決定ループ内で、一般的なTensorFlowベースのモデルのプラグアンドプレイを可能にする。 このモジュラーマインドセットはパッケージの中心であり、私たちの獲得機能や意思決定ループの内部ダイナミクスにまで拡張しています。 Triesteは、包括的なテストスイート、広範なドキュメント、https://github.com/secondmind-labs/trieste.comで入手可能な、リサーチフレンドリでプロダクション対応のツールキットである。

関連論文リスト

• PointFlowHop: Green and Interpretable Scene Flow Estimation from Consecutive Point Clouds [49.7285297470392]
  本研究では,PointFlowHopと呼ばれる3次元シーンフローの効率的な推定法を提案する。 ポイントフローホップは2つの連続する点雲を取り、第1点雲の各点の3次元フローベクトルを決定する。 シーンフロー推定タスクを,エゴモーション補償,オブジェクトアソシエーション,オブジェクトワイドモーション推定など,一連のサブタスクに分解する。
  論文  参考訳（メタデータ） (2023-02-27T23:06:01Z)
• TSFEDL: A Python Library for Time Series Spatio-Temporal Feature Extraction and Prediction using Deep Learning (with Appendices on Detailed Network Architectures and Experimental Cases of Study) [9.445070013080601]
  TSFEライブラリは、AGPLv3ライセンスの下でflow+KerasとPyTorchモジュールのセット上に構築されている。 この提案に含まれるアーキテクチャのパフォーマンス検証は、このPythonパッケージの有用性を確認している。
  論文  参考訳（メタデータ） (2022-06-07T10:58:33Z)
• Geometric Optimisation on Manifolds with Applications to Deep Learning [6.85316573653194]
  これらの強力なツールをすべて使用して、非専門家を支援するために、Pythonライブラリを設計、実装しています。 このライブラリに実装されたアルゴリズムは、ユーザビリティとGPU効率を念頭に設計されている。
  論文  参考訳（メタデータ） (2022-03-09T15:20:07Z)
• TensorFlow ManOpt: a library for optimization on Riemannian manifolds [0.3655021726150367]
  ニューラルネットワークの採用と非ユークリッドドメインでのディープラーニングは、スケーラブルで効率的な学習フレームワークの欠如によって、最近まで妨げられていた。 我々は、機械学習モデルの観点からRiemannianを最適化するPythonライブラリであるManOptを提案し、このギャップを埋めようとしている。 このライブラリはエコシステムとのシームレスな統合を目的として設計されており、研究だけでなく、プロダクション機械学習パイプラインの合理化も目標としている。
  論文  参考訳（メタデータ） (2021-05-27T10:42:09Z)
• 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)
• MeshfreeFlowNet: A Physics-Constrained Deep Continuous Space-Time Super-Resolution Framework [58.49761896587656]
  MeshfreeFlowNetは、低解像度入力から連続(グリッドフリー)80%ソリューションを生成するフレームワークである。 MeshfreeFlowNetは、(i)出力をすべての解像度でサンプリングし、(ii)任意のサイズの時間ドメイン上の固定サイズの入力をトレーニングすることを可能にする。 本稿では,MeshfreeFlowNetの大規模実装を提案する。
  論文  参考訳（メタデータ） (2020-05-01T05:29:25Z)
• TF-Coder: Program Synthesis for Tensor Manipulations [29.46838583290554]
  本稿では,プルーニングを例に,TF-Coderというプログラミングツールを提案する。 入力と出力のテンソルの特徴とタスクの自然言語記述から操作を予測するためにモデルを訓練する。 TF-Coderは、実世界のタスクのうち63を5分以内に解決する。
  論文  参考訳（メタデータ） (2020-03-19T22:53:47Z)
• TensorFlow Audio Models in Essentia [28.324123632999527]
  Essentiaを用いたアルゴリズムのセットを提案する。 Essentiaは、オーディオおよび音楽分析のためのオープンソースのC++/Pythonライブラリである。
  論文  参考訳（メタデータ） (2020-03-16T18:23:30Z)
• MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
  ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。 このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
  論文  参考訳（メタデータ） (2020-02-09T23:34:49Z)
• PolyScientist: Automatic Loop Transformations Combined with Microkernels for Optimization of Deep Learning Primitives [55.79741270235602]
  深層学習カーネル開発のためのハイブリッドソリューションを開発する。 我々は、高度な多面体技術を用いて、パフォーマンスのために外部ループを自動的に調整する。
  論文  参考訳（メタデータ） (2020-02-06T08:02:34Z)

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。