InvertibleNetworks.jl：一个用于可扩展归一化流的 Julia 包
机器学习
2023-12-22 v1
摘要
InvertibleNetworks.jl 是一个专为归一化流的可扩展实现而设计的 Julia 包，归一化流是一种用于高维分布密度估计和采样的方法。该包通过利用归一化流固有的可逆性，在内存效率方面表现出色，与依赖自动微分框架的现有归一化流包相比，显著减少了反向传播过程中的内存需求。InvertibleNetworks.jl 已适配于多种应用，包括地震成像、医学成像和 CO2 监测，证明了其在学习高维分布方面的有效性。
引用
@article{arxiv.2312.13480,
title = {InvertibleNetworks.jl: A Julia package for scalable normalizing flows},
author = {Rafael Orozco and Philipp Witte and Mathias Louboutin and Ali Siahkoohi and Gabrio Rizzuti and Bas Peters and Felix J. Herrmann},
journal= {arXiv preprint arXiv:2312.13480},
year = {2023}
}
备注
Submitted to Journal of Open Source Software (JOSS)