文件名称：keras-gp:硬+高斯过程
文件大小：60KB
文件格式：ZIP
更新时间：2024-05-21 10:50:54
machine-learning theano tensorflow keras neural-networks
Keras的高斯过程 KGP通过高斯过程（GP）层扩展了 。 它允许人们使用由Keras构建的网络构造的内核构建灵活的GP模型。 模型的结构化部分（神经网络）在或上运行。 GP层使用基于库的自定义后端，并基于和构建。 可以使用批量或半随机优化方法分阶段或联合训练模型（请参见）。 有关深度内核学习和KISS-GP的其他资源和教程，请参阅 KGP兼容：Python 2.7-3.5 。 特别是，此程序包实现了本文中描述的方法： 学习具有递归结构的可扩展深核Maruan Al-Shedivat，Andrew Gordon Wilson，Yunus Saatchi，Huzhiting Hu，Eric P.Xing ，2017。 入门 KGP允许使用功能性API以与Keras相同的方式构建模型。 例如，只需几行代码即可构建和编译一个简单的GP-RNN模型： from keras . layer
【文件预览】：
keras-gp-master
----setup.py(720B)
----.gitignore(914B)
----requirements.txt(88B)
----kgp()
--------datasets()
--------__init__.py(237B)
--------tweaks.py(11KB)
--------layers.py(5KB)
--------models.py(8KB)
--------utils()
--------configs()
--------backend()
--------metrics.py(222B)
--------callbacks.py(4KB)
--------losses.py(522B)
----.travis.yml(566B)
----LICENSE(1KB)
----.gitmodules(98B)
----examples()
--------msgp_mlp_kin40k.py(3KB)
--------gp_lstm_actuator.py(3KB)
--------lstm_actuator.py(2KB)
--------msgp_lstm_actuator.py(3KB)
--------msgp_sm_kernel_mlp_kin40k.py(4KB)
--------mlp_kin40k.py(3KB)
--------msgp_lstm_actuator_manual_grid.py(4KB)
----README.md(5KB)
----tests()
--------test_callbacks.py(3KB)
--------datasets()
--------test_models.py(4KB)
--------utils()
--------backend()
----tutorials()
--------README.md(5KB)
----.coveragerc(59B)