POT: Python 最优传输库项目推荐

POT: Python 最优传输库项目推荐

POT POT : Python Optimal Transport 项目地址: https://gitcode.com/gh_mirrors/pot/POT

项目基础介绍和主要编程语言

POT（Python Optimal Transport）是一个开源的 Python 库，专注于最优传输问题的求解。该项目的主要编程语言是 Python，旨在为信号处理、图像处理和机器学习领域的优化问题提供高效的解决方案。

项目核心功能

POT 提供了多种最优传输问题的求解器，包括但不限于：

• OT 网络单纯形求解器：用于线性规划/地球移动距离（EMD）。
• 条件梯度法：适用于正则化最优传输。
• 熵正则化 OT 求解器：使用 Sinkhorn Knopp 算法。
• Bregman 投影：用于 Wasserstein 质心。
• Gromov-Wasserstein 距离和 GW 质心：包括精确和正则化版本。
• Fused-Gromov-Wasserstein 距离求解器：适用于大规模问题。
• 非正则化 Wasserstein 质心：使用 LP 求解器（小规模）。
• 一维非平衡 OT：带有 KL 松弛和质心。
• 部分 Wasserstein 和 Gromov-Wasserstein：包括精确和熵正则化版本。
• 切片 Wasserstein：适用于梯度流。
• 球面切片 Wasserstein：适用于球面数据。
• 图字典学习求解器：适用于图数据。
• 半松弛（融合）Gromov-Wasserstein 散度：包括精确和正则化版本。
• 量化（融合）Gromov-Wasserstein 距离：适用于大规模问题。
• 高效离散多边际最优传输正则化：适用于大规模问题。
• 多种后端支持：包括 Pytorch、jax、Numpy、Cupy 和 Tensorflow。

项目最近更新的功能

POT 项目最近更新的功能包括：

• Gaussian Mixture Model OT：适用于高斯混合模型的最优传输。
• Co-Optimal Transport：适用于协同最优传输。
• Fused unbalanced Gromov-Wasserstein：适用于融合非平衡 Gromov-Wasserstein 问题。
• Smooth Strongly Convex Nearest Brenier Potentials：适用于平滑强凸最近 Brenier 势能。
• Graph Neural Network OT 层：包括 TFGW 和 TW（OT-GNN）。

这些更新进一步扩展了 POT 的功能，使其在处理复杂的最优传输问题时更加强大和灵活。

POT POT : Python Optimal Transport 项目地址: https://gitcode.com/gh_mirrors/pot/POT