unit8co/darts

Improve numerical stability of the NLL computation for some distributions

Open

#621 ouverte le 1 déc. 2021

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Python (762 forks)batch import
good first issueimprovement

Métriques du dépôt

Stars
 (6 832 stars)
Métriques de merge PR
 (Merge moyen 143j 16h) (16 PRs mergées en 30 j)

Description

Not all Likelihoods have numerically-stable computaiton of the NLL. By default, we rely on the log_prob() function of the PyTorch Distribution objects, but it might not be the best way to get numerically stable gradients. I think it’s fairly easy to build cases where Negative Binomial fails for instance.

See: #663

Also for the Weibull distribution, the outputs changed when we changed the shape of the network outputs, which is weird and ideally should be investigated. Not clear if that’s due to numerical instability…

Guide contributeur

Direction de recherche
Étudiez la stabilité numérique de log prob pour les distributions Binomiale Négative et Weibull. Créez des cas de test avec des valeurs extrêmes et comparez les gradients.
Stack technique
pythonpytorch
Domaine
machine learning
Type d'issue
Bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Investigation requise
Prérequis
PythonPyTorch
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30