Mine-Pytorch是一款利用PyTorch框架实现的Python库，专注于通过互信息神经估计（MINE）方法来评估模型中的互信息，并提供信息瓶颈原理的应用。
互信息神经估计该存储库提供了使用相互信息神经估计（MINE）的信息瓶颈（IB）的PyTorch实现，并与标准基线MLP进行了比较（如Deep VIB论文中所述）。为了运行代码，请先克隆仓库，创建并激活conda环境。具体步骤如下：
1. 克隆仓库：
```
git clone https://github.com/mohith-sakthivel/mutual_information_neural_estimation.git
```
2. 创建并激活conda环境：
```
cd mutual_information_neural_estimation
conda create -n mine -f environment.yml
conda activate mine
```
接下来，使用默认参数运行基线模型：
```
python3 -m mine.mine --deter
```
其中，基线模型是一个具有三个隐藏层和ReLU非线性的标准MLP。在训练过程中会保持参数的指数加权平均值，并且测试时将使用这些平均参数。
要运行MINE + IB模型，请执行以下命令：
```
python3 -m mine.mine --mine
```
5星
