Trieste: Efficiently Exploring The Depths of Black-box Functions with TensorFlow

要約

Trieste は、TensorFlow のスケーラビリティと効率性を活用したベイジアン最適化とアクティブ ラーニング用のオープンソース Python パッケージです。
私たちのライブラリは、一連の意思決定ループ内で一般的な TensorFlow ベースのモデルのプラグアンドプレイを可能にします。
GPflow または GPflux のガウス プロセス、または Keras のニューラル ネットワーク。
このモジュラー マインドセットはパッケージの中心であり、取得機能と意思決定ループの内部ダイナミクスにまで及びます。これらはいずれも、カスタム ユース ケースに取り組む際に研究者やエンジニアが調整および拡張できます。
Trieste は、包括的なテスト スイートと豊富なドキュメントに裏打ちされた、研究に適した本番環境対応のツールキットであり、https://github.com/secondmind-labs/trieste で入手できます。

要約(オリジナル)

We present Trieste, an open-source Python package for Bayesian optimization and active learning benefiting from the scalability and efficiency of TensorFlow. Our library enables the plug-and-play of popular TensorFlow-based models within sequential decision-making loops, e.g. Gaussian processes from GPflow or GPflux, or neural networks from Keras. This modular mindset is central to the package and extends to our acquisition functions and the internal dynamics of the decision-making loop, both of which can be tailored and extended by researchers or engineers when tackling custom use cases. Trieste is a research-friendly and production-ready toolkit backed by a comprehensive test suite, extensive documentation, and available at https://github.com/secondmind-labs/trieste.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google