aboleth 0.9.0

功能

aboleth的一些功能：

• 基于sgvb[2]的贝叶斯全连通嵌入卷积层 为了推断。
• 近似高斯过程的随机傅立叶和弧余弦特征。 根据[1]对这些特征权重进行可选的变分优化。
• 具有作为模型一部分学习的参数的插补层。
• 噪声对比priors[3]用于更好的域外不确定性 估计。
• 非常灵活的网络结构，例如多个输入、RESNET等< /LI>
• 与其他神经网络框架（如Keras）兼容并可互操作（有关更多信息，请参见demos） 信息）。

为什么？

ABOLETH的目的是提供一套高性能、轻量化的 贝叶斯神经网络和近似（深）高斯的构造 处理计算图。我们的目标是minimal抽象 TensorFlow，因此您仍然可以将计算图的一部分分配给 不同的硬件，使用自己的数据源/队列，并管理自己的 会话等

下面是一个用一个 网络权值的隐层和正态先验/后验分布：

importtensorflowastfimportabolethasab# Define the network, ">>" implements function composition,# the InputLayer gives a kwarg for this network, and# allows us to specify the number of samples for stochastic# gradient variational Bayes.net=(ab.InputLayer(name="X",n_samples=5)>>ab.DenseVariational(output_dim=100)>>ab.Activation(tf.nn.relu)>>ab.DenseVariational(output_dim=1))X_=tf.placeholder(tf.float,shape=(None,D))Y_=tf.placeholder(tf.float,shape=(None,1))# Build the network, nn, and the parameter regularization, klnn,kl=net(X=X_)# Define the likelihood modellikelihood=tf.distributions.Bernoulli(logits=nn).log_prob(Y_)# Build the final loss function to use with TensorFlow trainloss=ab.elbo(likelihood,kl,N)# Now your TensorFlow training code here!...

目前，Aboleth的重点是监督任务，但这是 如果对此感兴趣，可在后续版本中进行更改 能力。

安装

note：aboleth是一个python 3库。一些功能 其中取决于python 3中的特性。对不起的。

要想快速启动和运行，您可以使用pip并从 PyPI：

$ pip install aboleth

为了在您的体系结构上获得最佳性能，我们建议安装 TensorFlow from sources。

或者，安装demos：

$ pip install aboleth[demos]

要在开发模式下安装开发所需的软件包，我们建议 从github克隆存储库：

$ git clone git@github.com:data61/aboleth.git

然后在克隆到的目录中，发出以下命令：

$ pip install -e .[dev]

开始

请参阅quick start guide开始，然后 有关更深入的指南，请查看我们的tutorials。 有关更多信息，请参见demos文件夹 使用aboleth创建和训练算法的示例。

完整的项目文档可以在readthedocs上找到。

参考文献

许可证

版权所有2017 CSIRO（数据61）

根据apache许可证2.0版（以下简称“许可证”）授权； 除非符合许可证，否则您不能使用此文件。 您可以在

http://www.apache.org/licenses/LICENSE-2.0

除非适用法律要求或书面同意，否则软件 根据许可证分发是按“原样”分发的， 无任何明示或默示的保证或条件。 有关管理权限的特定语言和 许可下的限制。