HypLL: The Hyperbolic Learning Library

要約

双曲空間での深層学習は、機械学習、マルチメディア、コンピューター ビジョンの分野で急速に注目を集めています。
ディープ ネットワークは一般にユークリッド空間で動作し、データが規則的なグリッド上にあることを暗黙的に前提としています。
最近の進歩により、特にデータが本質的に階層的である場合や、埋め込み次元が少ない場合に、双曲幾何学が深層学習の実行可能な代替基盤となることが示されています。
ただし、現時点では、よく知られている深層学習ライブラリに似た双曲線ネットワーク モジュールを構築するための、アクセス可能なオープンソース ライブラリは存在しません。
双曲深層学習の進歩をまとめるための双曲学習ライブラリである HypLL を紹介します。
HypLL は、この新しく自由な研究方向に幅広い聴衆を惹きつけるために、使いやすさを重視した設計で PyTorch 上に構築されています。
コードは https://github.com/maxvanspengler/hyperbolic_learning_library から入手できます。

要約(オリジナル)

Deep learning in hyperbolic space is quickly gaining traction in the fields of machine learning, multimedia, and computer vision. Deep networks commonly operate in Euclidean space, implicitly assuming that data lies on regular grids. Recent advances have shown that hyperbolic geometry provides a viable alternative foundation for deep learning, especially when data is hierarchical in nature and when working with few embedding dimensions. Currently however, no accessible open-source library exists to build hyperbolic network modules akin to well-known deep learning libraries. We present HypLL, the Hyperbolic Learning Library to bring the progress on hyperbolic deep learning together. HypLL is built on top of PyTorch, with an emphasis in its design for ease-of-use, in order to attract a broad audience towards this new and open-ended research direction. The code is available at: https://github.com/maxvanspengler/hyperbolic_learning_library.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google