文件名称：随机：PyTorch的随机深度学习
文件大小：1.5MB
文件格式：ZIP
更新时间：2024-03-10 17:20:00
Python
pytorch的随机深度学习 Storchastic是一个用于深度学习中的随机梯度估计的PyTorch库[1]。 许多最先进的深度学习模型都使用梯度估计，尤其是在变分推理和强化学习领域。 虽然PyTorch自动计算确定性计算图的梯度，但它不会估计随机计算图上的梯度[2]。 借助Storchastic，您可以轻松定义任何随机深度学习模型，并让其为您估计梯度。 Storchastic提供了多种即插即用的梯度估计方法，以确定哪种方法最适合您的问题。 Storchastic可自动广播采样批次的尺寸，从而提高了代码的可读性，并允许轻松实现复杂的模型。 当处理连续随机变量和微分函数时，常用的重新参数化方法[3]通常非常有效。 但是，该方法不适用于处理离散随机变量或不可微函数。 这就是为什么Storchastic专注于离散随机变量，不可微函数和序列模型的梯度估计器。 安装 pip install
【文件预览】：
storchastic-master
----readthedocs.yml(571B)
----storch()
--------inference.py(9KB)
--------exceptions.py(110B)
--------util.py(8KB)
--------wrappers.py(17KB)
--------seq()
--------tensor.py(26KB)
--------unique.py(4KB)
--------excluded_init.py(3KB)
--------__init__.py(2KB)
--------sampling()
--------nn()
--------storch.py(8KB)
--------typing.py(651B)
--------method()
----examples()
--------vae_reference.py(4KB)
--------bernoulli_grad_var.py(1012B)
--------bernoulli_toy.py(1KB)
--------__init__.py(0B)
--------dataloader()
--------vae()
--------introduction.py(2KB)
----LICENSE(34KB)
----test()
--------collect_env.py(12KB)
--------test_tensor.py(2KB)
--------test2.py(967B)
--------test_broadcast_all.py(280B)
--------test_allowed.py(975B)
--------test.py(1KB)
--------test_swor.py(3KB)
--------__init__.py(0B)
--------test_expect.py(1KB)
--------gc_problems()
--------pyro_enum.py(496B)
----setup.py(717B)
----README.md(5KB)
----logo.png(87KB)
----docs()
--------source()
--------make.bat(799B)
--------requirements.txt(47B)
--------Makefile(638B)
----.gitignore(1KB)