这是所有POT示例文件的图库。
一维分布的最优传输
平滑和稀疏OT示例
使用通用求解器的正则化OT
二维经验分布之间的最优传输
一维中的OT距离
圆上的OT距离
最优传输求解器比较
使用不同的基础度量进行最优传输
使用Python进行最优运输简介
使用PyTorch进行Wasserstein去混合
球面切片-瓦瑟斯坦嵌入
用于熵和二次正则OT的双重OT求解器，使用Pytorch
使用 PyTorch 的 Wasserstein 1D（流和重心）
使用PyTorch的Wasserstein 2小批量GAN
使用PyTorch的切片Wasserstein重心和梯度流
基于Pytorch的连续OT计划估计
使用PyTorch优化Gromov-Wasserstein距离
卷积Wasserstein重心示例
分布的2D自由支撑Wasserstein重心
高斯Bures-Wasserstein重心
一维 Wasserstein 重心演示
去偏倚的Sinkhorn重心演示
广义沃萨斯坦质心演示
二维自由支撑Sinkhorn重心的分布
1D 沃瑟斯坦重心：精确线性规划与熵正则化
用于领域适应的拉普拉斯正则化的OT
图像颜色适应的OT
领域适应的OT映射估计
用于图像颜色适应的映射估计的OT
OTDA 无监督与半监督设置
线性OT映射估计
用于领域适应的OT
用于经验分布域适应的OT
多源目标转移的OT
绘制融合的Gromov-Wasserstein
格罗莫夫-瓦瑟斯坦例子
使用FGW绘制图形重心
Gromov-Wasserstein 平均点示例
基于模板的融合 Gromov Wasserstein 的图分类
半放松（融合）Gromov-Wasserstein 重心作为字典学习
半放松的（融合的）Gromov-Wasserstein 示例
熵正则化半松弛（融合）Gromov-Wasserstein示例
(融合的) Gromov-Wasserstein 线性字典学习
融合Gromov-Wasserstein求解器的比较
量化融合的Gromov-Wasserstein示例
筛选的最优传输（Screenkhorn）
弱最优传输与精确最优传输
使用分解耦合的最优运输
与 CO-Optimal Transport 的行列对齐
GMM计划1D
随机示例
瓦瑟斯坦判别分析
低秩Sinkhorn
平滑且强凸的最近Brenier势
POT工具的标志
通过d-MMOT计算d维的重心
样本之间的低秩Gromov-Wasterstein
通过学习样本边际分布使用共同最优运输来检测异常值，并使用不平衡共同最优运输
熵瓦瑟坦分量分析
GMM流程
二维分布上的切片瓦瑟斯坦距离
在S^2上的球面切片Wasserstein分布
一维不平衡最优运输
不平衡最优运输的平移不变Sinkhorn
二维准确和熵不平衡最优传输的示例
不平衡分布的1D Wasserstein重心演示
部分Wasserstein和Gromov-Wasserstein示例
l2-惩罚不平衡最优传输的正则化路径
由 Sphinx-Gallery 生成的画廊
