文件名称：dnn2gp:近似推理将深度网络转变为高斯过程（dnn2gp）
文件大小：14.58MB
文件格式：ZIP
更新时间：2024-03-29 14:52:13
Python
从深度神经网络到高斯过程（dnn2gp） 该存储库包含用于重现论文结果的代码近似推理将深度网络转变为高斯过程 计算和可视化线性模型和GP 复制模型选择实验 结果可以在/results目录中轻松获得，并且可以通过运行来复制 python marglik.py --name of_choice 这将同时产生玩具和真实世界的实验，并将相应的测量结果以新的文件名保存到结果目录中。 然后可以通过运行生成图 python marglik_plots.py --name original # use our result files python marglik_plots.py --name of_choice # use your result files 计算和可视化内核及预测分布 我们使用预先训练的模型，这些模型保存在/models目录中，并且在CIFAR-10或MNIST上进行训练。
【文件预览】：
dnn2gp-master
----models()
--------2_class_mnist_zone_lenet_vogn.tk(343KB)
--------cifar_lenet_vogn.tk(244KB)
--------full_mnist_lenet_adaml2.tk(175KB)
--------cifar_lenet_adam.tk(244KB)
--------full_mnist_lenet_vogn.tk(349KB)
----marglik.py(8KB)
----kernel_and_predictive.py(4KB)
----figures()
--------marglik_sigma_wine_laplace.pdf(154KB)
--------marglik_width_toy_laplace.pdf(125KB)
--------dnn2gp_schema.png(780KB)
--------marglik_delta_toy_fits.pdf(134KB)
--------marglik_delta_wine_laplace.pdf(125KB)
--------regression_uncertainty_vi.pdf(184KB)
--------regression_uncertainty_laplace.pdf(185KB)
--------marglik_width_wine_laplace.pdf(124KB)
--------marglik_delta_toy_VI.pdf(154KB)
--------marglik_delta_toy_laplace.pdf(154KB)
----neurips2019_poster.pdf(5.84MB)
----data()
--------snelson()
----marglik_uci.py(6KB)
----marglik_plots.py(12KB)
----results()
--------reg_ms_sigma_wine.pkl(2.99MB)
--------reg_ms_width_wine.pkl(2.98MB)
--------reg_ms_width_original.pkl(1.6MB)
--------reg_ms_delta_wine.pkl(2.99MB)
--------reg_ms_delta_original.pkl(2.6MB)
----kernel_and_predictive_plots.py(5KB)
----requirements.txt(67B)
----.gitignore(29B)
----dnn2gp()
--------variational_models.py(3KB)
--------utilities.py(3KB)
--------neural_networks.py(6KB)
--------dnn2gp.py(5KB)
--------datasets.py(3KB)
--------vogn.py(19KB)
--------laplace_models.py(20KB)
--------gaussian.py(759B)
--------__init__.py(28B)
--------dual_models.py(7KB)
----README.md(3KB)
----regression_uncertainty.py(10KB)