POT

收录理由

当你的问题真正涉及最优传输时，POT 是 Python 生态里绕不开的工具库。无论是计算分布间的 Wasserstein 距离、对齐点云，还是做跨域模型适配，它都用一套干净的 API 封装了大量求解器：精确线性规划、熵正则化的 Sinkhorn 迭代、Gromov-Wasserstein、非平衡或部分传输，以及一维和圆周上的快速算法和重心计算。这些求解器支持自动微分，能直接接收 PyTorch、JAX、TensorFlow、NumPy 和 CuPy 数组，所以你可以把传输距离当作损失函数嵌进训练循环，而不必把它当作事后的后处理步骤。这种覆盖面与框架兼容性的结合，让它在两类人手里都很实用：一是研究新对齐方法的学者，二是宁愿用经过充分验证的现成实现、也不愿自己造轮子的工程师。文档和示例库足够细致，从具体问题（比如匹配两组点）到写出能跑的调用，中间几乎不会卡壳。