Core implementations to add: practical GP advances
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Tranquilla
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Inizia esaminando gli obiettivi proposti in questa issue e la discussione correlata sul rewrite in #9. Non sono indicati file di implementazione né test; il lavoro non è pronto per iniziare finché non sarà selezionato un metodo, non ne sarà definito l’ambito e non gli saranno assegnati criteri concreti di completamento.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
A list of implementations that would make ptgp more useful as a general-purpose GP toolkit. The goal is broadly useful GP advances, not things hyper-targeted to specific problems. ptgp should also work well as a substrate for people building specialized models on top, but the core should cover what practitioners should reach for more often.
Objectives
- LOO-CV (Leave-One-Out Cross-Validation) — analytic for exact GPs with Gaussian noise. Penalizes overfitting more aggressively than MLL. Useful for kernel model selection without a validation set.
- Predictive log likelihood (PLL) for SVGP — Jankowiak et al. (2020). Uses
log E[p(y|f)]instead ofE[log p(y|f)]. Tends to produce better-calibrated predictive variances than the standard ELBO.
Sparse / structured approximations
- Spherical harmonic features — Dutordoir et al. (2020). Inter-domain inducing variables on the unit hypersphere. Diagonal Kuu, so solves are elementwise division. Multi-dimensional counterpart to VFF.
- Iterative solvers (CG, Lanczos) — the GPyTorch approach: use conjugate gradients for solves and stochastic trace estimators for log determinants instead of Cholesky. Scales to much larger N than exact methods. How this should work in ptgp is an open question: should PyTensor rewrites automatically choose between Cholesky and CG based on problem size, or should this be a user-facing choice? See #9 for related discussion on rewrites.
What else?
What other broadly useful GP methods or features are missing?
- Lingua principale
- Jupyter Notebook
- Stelle
- 15
- Fork
- 5
- Merge medio
- 2g 10h
- PR unite (30g)
- 5
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di pymc-devs/ptgp
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 22/100
-
Expose and document VGP variational parameters for fit diagnosticsForse già presa @bwengals l’ha presa 54 giorni fa. Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
-
Add VGP: variational Gaussian inference for non-Gaussian likelihoods without inducing pointsForse già presa @bwengals l’ha presa 151 giorni fa. Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Is the API functional?Apertapymc
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
Tutte le issue di pymc-devs/ptgp
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
[Bug]: PSNR overflows with a float16 tensor data range for 10-bit imagesForse già presa @AkshatPal2007 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
I maintainer di solito rispondono entro 1 giorno
-
bug good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
[Bug] LogitsPipe rejects an int64 per-row top_k tensor that the sampling API acceptsForse già presa @bhargavchintam l’ha presa oggi. Apertaneeds-triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
flashinfer-ai/flashinfer#9840 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
callstackincubator/ai#378 ·
I maintainer di solito rispondono entro 1 giorno