Lightning UQ Box: 神经网络的不确定性量化

Nils Lehmann, Nina Maria Gottschling, Jakob Gawlikowski, Adam J. Stewart, Stefan Depeweg, Eric Nalisnick; 26(54):1−7, 2025

摘要

尽管神经网络在众多应用领域展现出令人瞩目的成果，但深度学习的"黑盒"特性以及缺乏置信度估计导致人们持怀疑态度，尤其在医学和物理学等需要此类估计的关键领域。不确定性量化（UQ）研究有助于阐明这些模型的可靠性，但现有UQ方法的实现稀少且难以复用。为此，我们推出Lightning UQ Box——一个基于PyTorch的Python库，由PyTorch Lightning驱动，专注于基于深度学习的不确定性量化方法。

Lightning UQ Box支持分类、回归、语义分割和像素级回归应用，并涵盖多种理论动机的UQ方法。通过该库，我们为UQ新手提供了入门途径，同时为可扩展的深度学习应用提供了易用的组件和工具。

[abs][pdf][bib][code]

© JMLR 2025.
(edit, beta)

Mastodon