PyTorch-BayesianCNN：PyTorch中的基于反向传播的贝叶斯变分推断贝叶斯卷积神经网络源代码。

简介：
我们详细阐述了一种融合变分推理的贝叶斯卷积神经网络，该网络是卷积神经网络（CNN）的一个创新性扩展，其关键在于通过Backprop的贝叶斯推断来处理通常难以处理的权重后验概率分布。 我们证实，我们所提出的变分推断方法在多个数据集上（包括MNIST、CIFAR10和CIFAR100）取得了与频率论推理相当的性能，正如先前描述的那样，并采用相同的网络结构。 贝叶斯方法与频率方法之间的对比，展示了整个CNN的全贝叶斯视角下过滤器权重分布的情况。 该存储库包含了两种类型的贝叶斯Lauer实现：BBB（Backprop的Bayes）：这种实现基于对所有权重的独立采样，随后将这些采样结果与输入数据进行组合，从而从激活值中获得一个样本。此外，我们还提供了BBB_LRT（使用本地重新参数化技巧的Backprop进行Bayes操作）这一变体，它巧妙地将本地重新参数化技术与贝叶斯推理相结合，并通过Backprop直接从激活分布中进行采样。如果您希望构建定制化的贝叶斯网络，可以参考layers.m中的代码示例。