PyArmadillo: a streamlined linear algebra library for Python
PyArmadillo是一个Python语言的线性代数库,其目的是密切反映广泛使用的Armadillo C++库的编程接口,而Armadillo C++库又故意类似于Matlab。因此,PyArmadillo促进了直接在Python中使用类似Matlab的语法进行算法原型设计,以及将基于PyArmadillo的Python代码转换为基于Armadillo的高性能C++代码。转换后的代码可用于与pybind 11结合使用以加速基于Python的程序,或将最初以Python为原型的算法集成到更大的C++代码库中。PyArmadillo为矩阵和立方体提供了对象,以及200多个用于操作存储在对象中的数据的相关函数。支持浮点数和复数。通过与LAPACK或其高性能替代品之一(如Intel MKL或OpenBLAS)集成,可以提供各种矩阵分解。PyArmadillo是开源软件,在Apache 2.0许可下发布;可以在https://pyarma.sourceforge.io或通过Python包索引以预编译的形式获得。
2021-10-20 cs.MS
Deep Graph Library: A Graph-Centric, Highly-Performant Package for Graph Neural Networks
AWS Shanghai AI Lab(AWS上海人工智能实验室);New York University(纽约大学);Amazon Web Services(亚马逊云科技);NYU Shanghai(上海纽约大学)
推进新兴的深度图学习领域的研究需要新的工具来支持图上的张量计算。在本文中,我们介绍了深度图库(DGL)的设计原理和实现。DGL将GNN的计算模式提炼为几个适用于广泛并行化的广义稀疏张量运算。通过提倡图作为中央编程抽象,DGL可以透明地执行优化。通过谨慎地采用与框架无关的设计,DGL允许用户轻松地跨多个深度学习框架移植和利用现有组件。我们的评估表明,在各种基准测试中,DGL在速度和内存消耗方面明显优于其他流行的面向GNN的框架,并且对于小规模工作负载的开销很小。
2020-08-25 cs.LG stat.ML
stream-learn -- open-source Python library for difficult data stream batch analysis
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
stream-learn是一个与scikit-learn兼容的Python包,用于漂移和不平衡的数据流分析。它的主要组成部分是一个流生成器,它允许产生一个合成数据流,该数据流可以将三种主要概念漂移类型(即突然漂移、渐进漂移和增量漂移)中的每一种都纳入其重复或非重复版本中。该软件包允许按照既定的评估方法(即测试-然后-训练和预先)进行实验。此外,适用于数据流分类的估计器已经实现,包括简单的分类器和最先进的基于块的在线分类器集成。为了提高计算效率,package利用自己的预测指标实现不平衡的二进制分类任务。
2020-01-29 cs.CV cs.LG stat.ML
FuncNN: An R Package to Fit Deep Neural Networks Using Generalized Input Spaces
Simon Fraser University(西蒙菲莎大学);Columbia University(哥伦比亚大学)
当输入空间由标量变量组成时,神经网络在回归和分类问题上表现出色。由于这种熟练程度,已经开发了几个流行的软件包,允许用户轻松地适应这些类型的模型。然而,该方法排除了函数协变量的使用,到目前为止,还没有软件允许用户使用这种广义输入空间构建深度学习模型。据我们所知,函数式神经网络(FuncNN)库是任何编程语言中的第一个这样的包;该库是为R开发的,构建在keras架构之上。在本文中,介绍了几个函数,为用户提供了一个轻松构建模型,生成预测和运行交叉验证的途径。报告还概述了基本方法。最终的贡献是一个包,提供了一套通用的建模和诊断工具的数据问题,其中存在功能和标量协变量。
2020-09-22 cs.LG stat.CO stat.ML
CLE-SH: Comprehensive Literal Explanation package for SHapley values by statistical validity
Seoul National University(首尔大学);Seoul National University Hospital(首尔大学医院)
CLE-SH库通过统计显著性分析,提供SHAP值的全面解释,帮助用户更深入理解其在应用领域中的意义。
2026-01-30 stat.AP stat.CO
Import2vec - Learning Embeddings for Software Libraries
Nokia Bell Labs(诺基亚贝尔实验室)
我们认为,开发合适的学习表示(嵌入)库包,捕捉库之间的语义相似性的问题。已知这样的表示可以提高下游学习任务(例如分类)或应用(例如上下文搜索和类比推理)的性能。我们应用自然语言处理(NLP)中的词嵌入技术来训练库包(“库向量”)的嵌入。库向量通过类似的使用上下文来表示库,这些上下文由源代码中存在的导入语句确定。在三个大型开源软件语料库上训练这种嵌入所获得的实验结果表明,库向量捕获了软件库之间的语义上有意义的关系,例如框架及其插件与生态系统中通常一起使用的库之间的关系,例如大数据基础设施项目(Java),前端和后端Web开发框架(JavaScript)和数据科学工具包(Python)。
2019-03-27 cs.IR cs.LG cs.SE
CVXR: An R Package for Disciplined Convex Optimization
CVXR是一个R包,它提供了一种面向对象的凸优化建模语言,类似于CVX,CVXPY,YALMIP和Convex.jl。它允许用户以自然的数学语法来制定凸优化问题,而不是大多数求解器所要求的限制性形式。用户通过使用具有已知数学属性的函数库组合常量、变量和参数来指定目标和约束集。然后,CVXR应用符号约束凸规划(DCP)来验证问题的凸性。一旦验证,该问题被转换成标准的圆锥曲线形式使用图形实现,并传递到一个锥求解器,如ECOS或SCS。我们展示了CVXR的建模框架与几个应用程序。
2020-06-29 stat.CO
Data-Adaptive Multi-Bin Rarefying for Alpha Diversity Association Analysis under Heterogeneous Library Sizes
University of Louisiana at Lafayette(路易斯安那拉斐特大学)
提出MBRarefy R包,通过遗传算法自动选择文库大小箱阈值,结合重复稀疏化、箱内检验和跨箱元分析,实现异质文库大小下的α多样性关联分析。
2026-10-22 stat.CO stat.ME
Neural Network Distiller: A Python Package For DNN Compression Research
Intel AI Lab(英特尔人工智能实验室)
本文介绍了神经网络Distiller的原理、设计和功能集,这是一个用于DNN压缩研究的开源Python包。Distiller是一个DNN压缩算法实现库,包含用于各种学习任务的工具,教程和示例应用程序。它的目标用户是工程师和研究人员,丰富的内容通过可扩展性设计来补充,以促进新的研究。Distiller是开源的,可以在Github上找到,网址是https://github.com/NervanaSystems/distiller。
2019-10-27 cs.LG stat.ML
PyTorch Geometric Signed Directed: A Software Package on Graph Neural Networks for Signed and Directed Graphs
University of Oxford(牛津大学);Michigan State University(密歇根州立大学);Southwest University(西南大学);Isomorphic Labs(同构实验室);The Alan Turing Institute(艾伦·图灵研究所)
本文提出 PyGSD 软件包,为带符号与有向图提供统一的 GNN 模型、数据、评估指标和损失函数,并通过实验为方法选择提供指导。
2023-11-23 cs.AI cs.LG cs.SI
ML4Chem: A Machine Learning Package for Chemistry and Materials Science
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
ML4Chem是一个用于化学和材料科学的开源机器学习库。它提供了一个可扩展的平台来开发和部署机器学习模型和管道,并针对非专家和专家用户。ML4Chem遵循用户体验设计,并提供从数据准备到推理所需的工具。在这里,我们将介绍其原子模块的实现,部署和原子为中心的模型的可重复性。该模块由六个核心构建块组成:数据、特征化、模型、模型优化、推理和可视化。我们提出了他们的功能和易用性,利用神经网络和核岭回归算法的演示。
2020-03-02 cond-mat.mtrl-sci cs.LG physics.chem-ph
Fast GPU Linear Algebra via Compile Time Expression Fusion
Collabora;CSIRO(澳大利亚联邦科学与工业研究组织);Griffith University(格里菲斯大学)
Bandicoot GPU线性代数工具包通过编译时表达融合生成高效GPU内核,兼容Armadillo库,优于PyTorch、TensorFlow等工具。
2026-07-03 cs.MS
Ergodicity Library: A Python Toolkit for Stochastic-Process Simulation, Time-Average Diagnostics, and Agent-Based Experiments
University of Tübingen(蒂宾根大学)
本文介绍了一个用于随机动态计算的开源Python库,专注于非遍历性、时间平均行为、重尾过程和不确定性决策。该工具包整合了过程定义、分析工具和基于代理的实验,提供可重复的示例。
2026-05-13 cs.CE cs.MS stat.CO
PyFAI: a Python library for high performance azimuthal integration on GPU
pyFAI软件包旨在将X射线衍射图像简化为粉末衍射曲线,供科学家进一步处理。本文描述了如何使用Numpy包将图像转换为径向轮廓,以及如何使用Cython加速该过程。该算法是并行的,需要完全重新设计,以受益于大规模并行设备,如图形处理单元或加速器,如使用PyOpenCL库的Intel Xeon Phi。
2014-12-19 astro-ph.IM cs.DC cs.MS
Linnea: Automatic Generation of Efficient Linear Algebra Programs
将线性代数计算转换为高效的库调用序列是一项重要的任务,需要线性代数和高性能计算方面的专业知识。几乎所有用于矩阵计算的高级语言和库(例如,Matlab,Eigen)在内部使用优化的内核,例如由BLAS和LAPACK提供的内核;然而,它们的翻译算法通常过于简单,因此导致所述内核的次优使用,从而导致显著的性能损失。为了结合高级语言提供的生产力和低级别内核的性能,我们正在开发Linnea,一个用于线性代数问题的代码生成器。作为输入,Linnea接受线性代数问题的高级描述;作为输出,它返回对高性能内核的有效调用序列。Linnea使用自定义的最佳优先搜索算法,在不到一秒的时间内找到第一个解决方案,并在更多的时间内找到更好的解决方案。在125个测试问题中,Linnea生成的代码几乎总是优于Matlab,Julia,Eigen和Armadillo,加速高达或超过10倍。
2019-12-30 cs.MS
Bembel: The Fast Isogeometric Boundary Element C++ Library for Laplace, Helmholtz, and Electric Wave Equation
在这篇文章中,我们介绍了Bembel,C++库具有拉普拉斯,亥姆霍兹和麦克斯韦问题的高阶等几何Galerkin边界元法。Bembel与Octave NURBS软件包中的几何体兼容,并提供了一个与Eigen模板库进行线性代数运算的接口。对于计算效率,它适用于嵌入式快速多极子方法量身定制的等几何分析框架和基于OpenMP的并行矩阵组装。
2019-06-03 cs.MS
ruptures: change point detection in Python
ruptures是一个用于离线变化点检测的Python库。该软件包提供了非平稳信号的分析和分割方法。实现的算法包括各种参数和非参数模型的精确和近似检测。ruptures通过提供一个记录良好且一致的界面,专注于易用性。此外,由于其模块化结构,不同的算法和模型可以在该软件包中连接和扩展。
2018-01-02 cs.MS stat.CO
PyHHMM: A Python Library for Heterogeneous Hidden Markov Models
Department of Signal Theory and Communications, Universidad Carlos III de Madrid(马德里卡洛斯三世大学信号理论与通信系)
我们介绍PyHHMM,一个面向对象的开源Python实现异构隐马尔可夫模型(HHMM)。除了HMM的基本核心功能,如不同的初始化算法和经典的观察模型,即,PyHHMM具有连续性和多项性,特别强调了类似可用框架不支持的特性:异构观察模型,缺失数据推理,不同的模型顺序选择标准和半监督训练。这些特性为处理序列数据的研究人员提供了功能丰富的实现。PyHHMM依赖于numpy,scipy,scikit-learn和seaborn Python包,并在Apache-2.0许可证下分发。PyHHMM的源代码在Github上公开(https://github.com/fmorenopino/HeterogeneousHMM),以方便采用和未来的贡献。详细的文档(https://pyhhmm.readthedocs.io/en/latest)涵盖了使用示例和模型的理论解释。该软件包可以通过Python包索引(PyPI)安装,通过'pip install pyhhmm'。
2022-01-12 cs.LG cs.MS stat.ML
HyperNetX: A Python package for modeling complex network data as hypergraphs
本文介绍HyperNetX,一个用于超图建模复杂网络数据的开源Python库,支持元数据、可视化及交互式探索,已成为超图分析的重要工具。
2023-10-17 cs.MS
IntLevPy: A Python library to classify and model intermittent and Lévy processes
研究提出Python库IntLevPy,可模拟、分析间歇与Lévy过程,含参数估计、矩计算、基于调整$R^2$和Γ的分类等功能,附用户指南,助力两类随机过程研究,衔接理论与应用。
2025-06-04 cs.MS cs.NE
giotto-ph: A Python Library for High-Performance Computation of Persistent Homology of Vietoris-Rips Filtrations
我们介绍giotto-ph,一个高性能的开源软件包,用于计算Vietoris-Rips条形码。giotto-ph基于Morozov和Nigmetov对Ulrich Bauer的Ripser包的无锁(多核)实现。它还包含对GUDHI库的Boissonnat和Pritam的Edge Collapser实现的重新工作,可以用作预处理步骤,以显着减少某些场景中的整体运行时间。我们的贡献是双重的:一方面,我们将现有的最先进的思想连贯地集成到一个库中,并提供Python到C++代码的绑定。另一方面,我们通过采用更高效的数据结构来增加并行化机会并提高整体性能。我们的持久同源后端建立了一个新的最先进的状态,甚至超过了GPU加速的实现,如Ripser++,当使用少至5-10个CPU内核。此外,我们的边缘Collapser的实现具有更少的软件依赖性和改进的运行时间相对于GUDHI的原始实现。
2021-08-02 cs.CG cs.MS
dame-flame: A Python Library Providing Fast Interpretable Matching for Causal Inference
Duke University(杜克大学);Harvard University(哈佛大学);Fudan University(复旦大学);New York University(纽约大学)
dame-flame是一个Python包,实现了DAME和FLAME算法,利用机器学习在离散协变量子集上快速、可解释地匹配处理组与控制组,以进行观察性因果推断并计算处理效应。
2023-04-02 cs.LG cs.MS
preCICE v2: A Sustainable and User-Friendly Coupling Library
preCICE是一个免费/开源的耦合库。它可以通过将单独的软件包粘合在一起来创建分区的多物理场模拟。本文总结了preCICE在过去五年中所做的开发工作。在这段时间内,我们已经将软件从一个工作原型-复杂的数值耦合方法和数万个计算核心的可扩展性-转变为一个可持续和用户友好的软件项目,社区不断增长。今天,我们通过论坛讨论、会议、研讨会和100多个研究小组的出版物了解到preCICE。我们涵盖了该软件的基础知识,以及不同数据映射方法的性能和准确性分析。之后,我们描述了与广泛使用的外部仿真软件包的即用型集成,从单元到系统级的测试和持续集成,以及社区建设措施,概述了当前的preCICE生态系统。
2021-09-30 cs.MS
RMCDA: The comprehensive R library for applying multi-criteria decision analysis methods
针对传统R包无法覆盖新兴多准则决策(MCDM)方法的问题,本文开发全面通用的R包RMCDA,支持成熟与新兴MCDM方法及可视化,以提升方法可及性与实际应用范围。
2025-02-12 cs.MS
An Adaptive Solver for Systems of Linear Equations
求解线性方程组的计算实现通常依赖于基于以列为主格式存储的稠密矩阵的LU分解的一刀切方法。这种求解器通常是在低级LAPACK软件中可用的xGESV函数集的帮助下实现的,目的是通过利用经过良好测试的例程来减少开发时间。然而,这种直接的方法没有考虑各种矩阵属性,可以利用这些属性来减少计算工作量和/或增加数值稳定性。此外,直接使用LAPACK函数对于非专家用户来说可能容易出错,并且导致源代码与原始数学表达式几乎没有相似之处。我们描述了一个自适应求解器,我们已经实现了最新版本的高级别Armadillo C++线性代数库。求解器自动检测给定系统的几个常见属性(带状,三角形,对称正定),然后通过映射到一组与每个属性最匹配的合适LAPACK函数来求解系统。求解器还可以检测条件较差的系统,并通过奇异值分解自动寻求解决方案。我们表明,自适应求解器导致显着的加速,同时也解放了用户使用繁琐的LAPACK函数的直接调用。
2020-09-01 cs.MS
Unlocking massively parallel spectral proper orthogonal decompositions in the PySPOD package
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);University of California San Diego(加州大学圣地亚哥分校);Pennsylvania State University(宾夕法尼亚州立大学)
提出基于MPI的分布式谱本征正交分解算法并在PySPOD中实现,通过分布空间维度保留时间维快速傅里叶变换以避免瓶颈,支持大型数据集模态分析。
2024-07-31 cs.DC cs.MS physics.comp-ph
Tuning the Performance of a Computational Persistent Homology Package
近年来,持续同源性已成为一种有吸引力的数据分析方法。它可以从点云数据中捕获拓扑特征,例如连接的元件、孔和空隙,并总结这些特征在过滤序列中出现和消失的方式。在这个项目中,我们专注于提高性能的Eirene,持久同源性的计算包。Eirene是一个5000行的开源软件库,使用动态规划语言Julia实现。我们使用Julia分析工具来识别性能瓶颈,并开发新的方法来管理它们,包括在多核/众核硬件上并行化一些耗时的功能。实证结果表明,性能可以大大提高。
2018-09-09 cs.MS
parGeMSLR: A Parallel Multilevel Schur Complement Low-Rank Preconditioning and Solution Package for General Sparse Matrices
本文讨论了parGeMSLR,一个C++/MPI软件库,用于在分布式存储计算环境下通过预条件Krylov子空间方法求解稀疏线性代数方程组。parGeMSLR中实现的预条件子是基于代数区域分解和分区的对称邻接图递归到几个不重叠的分区通过一个p路顶点分离器,其中p是整数倍的MPI进程的总数。从数值的角度来看,parGeMSLR建立了一个舒尔补近似逆预条件子之间的总和界面耦合矩阵的矩阵逆和低秩校正项。为了减少与近似逆矩阵的计算相关联的成本,parGeMSLR利用代数域的多级划分。parGeMSLR库是在消息传递接口之上实现的,可以求解实数和复杂的线性系统。此外,parGeMSLR可以利用具有对一个或多个图形处理单元的节点内访问的混合计算环境。最后,parGeMSLR的并行效率(弱和强标度)上所产生的三维偏微分方程的离散化的几个模型问题证明。
2022-05-04 cs.MS cs.NA math.NA
Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models
Georgia Institute of Technology(佐治亚理工学院);Nanyang Technological University(南洋理工大学)
Latte(Latent Tensor Evaluation)是一个Python库,用于在解纠缠学习和可控生成领域评估基于延迟的生成模型。Latte与PyTorch和TensorFlow/Keras兼容,并提供功能性和模块化API,可以轻松扩展以支持其他深度学习框架。Latte使用基于NumPy和与框架无关的实现,确保可重复、一致和确定性的度量计算,而不管选择的是哪种深度学习框架。
2022-01-22 cs.AI cs.IR cs.LG
NIFTY - Numerical Information Field Theory - a versatile Python library for signal inference
NIFTY,“数值信息场论“,是一个软件包,旨在使信号推理算法的发展,无论底层的空间网格和其分辨率。它的面向对象框架是用Python编写的,尽管为了提高效率,它访问了用Cython、C++和C编写的库。NIFTY提供了一个工具包,可以将连续空间的离散化表示、这些空间中的字段以及作用于字段的运算符抽象为类。因此,字段上的操作的正确规范化被自动地处理,而不涉及用户。这允许推理算法的抽象公式化和编程,包括在信息场论内导出的那些。因此,NIFTY允许其用户在1D中快速原型化算法,然后将开发的代码应用于现实世界问题的高维设置中。NIFTY操作的空间集合包括点集、n维正则网格、球面空间、它们的调和对应物以及由这些空间组合而成的乘积空间。该软件包的功能和多样性证明了一个维纳滤波器代码的例子,成功地运行,无需修改,无论空间上的推理问题的定义。
2013-06-05 astro-ph.IM cs.IT cs.MS