🎓 BayesDLL: Bayesian Deep Learning Library New Bayesian neural network library for PyTorch for large-scale deep network Новая библиотека байесовских нейронных сетей для PyTorch, предназначенную для работы с крупномасштабными глубокими сетями. В библиотеке реализованы основные алгоритмы приближенного байесовского вывода: вариационный вывод, MC-dropout, стохастически-градиентный MCMC и аппроксимация Лапласа. Основные отличия от других существующих библиотек байесовских нейронных сетей заключаются в следующем: 1) библиотека может работать с очень крупными моделями, в том числе с Vision Transformers 2) Практически не требует от пользователей модификации кода . 3)Позволяет использовать предварительно обученные веса модели в качестве средних значений, что полезно для проведения байесовских вычислений в крупномасштабных моделях типа ViTs, которые трудно оптимизировать с нуля на основе одних только исходных данных. 🖥 Github: https://github.com/samsunglabs/bayesdll 📕 Paper: https://arxiv.org/abs/2309.12928v1 ⭐️ Dataset: https://paperswithcode.com/dataset/oxford-102-flower ai_machinelearning_big_data
Возможно ли получить аппроксимацию псевдо-сплайнами на иных базах данных, нежели Oracle Database? Это третья заметка цикла, посвященного псевдо-сплайн аппроксимации зашумленных данных в рамках сервера баз данных. Повторим вновь и вновь: база данных - это не просто таблицы, а весь цикл обработки данных. Первая заметка, "Визуализация тренда с помощью псевдо-сплайна и Oracle APEX", рассматривает постановку задачи и обзор ее решения. Вторая заметка, "Под капотом кубической сплайн-аппроксимации", показывает довольно сложные внутренние решения...