Ugrás a fő tartalomhoz

model

Modell Betöltő

Ez a modul egy függvényt és osztályokat biztosít egy előre betanított AlphaCube megoldó modell betöltéséhez és használatához.

Függvény: load_model(model_id, cache_dir): Betölti az előre betanított AlphaCube megoldó modellt.

Osztályok:

  • Model: Az MLP architektúra az AlphaCube megoldóhoz.
  • LinearBlock: Egy építőelem az MLP architektúrához.

load_model​

def load_model(
    model_id="small",
    cache_dir=os.path.expanduser("~/.cache/alphacube")
)

Betölti az előre betanított AlphaCube megoldó modellt.

Argumentumok:

  • model_id str - A betöltendő modellváltozat azonosítója ("small", "base" vagy "large").
  • cache_dir str - Könyvtár a letöltött modell gyorsítótárazásához.

Visszatérési érték:

  • nn.Module - A betöltött AlphaCube megoldó modell.

Model_v1​

class Model_v1(nn.Module)

Az alábbi tanulmányban bemutatott, számítási szempontból optimális Rubik-kocka megoldó MLP architektúrája: https://openreview.net/forum?id=bnBeNFB27b

forward​

def forward(inputs)

A modell előrecsatolási (forward pass) fázisa.

Argumentumok:

  • inputs torch.Tensor - A probléma állapotát reprezentáló bemeneti tenzor.

Visszatérési érték:

  • torch.Tensor - A lehetséges megoldások feletti prediktált eloszlás.

Model​

class Model(nn.Module)

Egy, a Model_v1-nél jobb architektúra.

Változtatások:

  • A ReLU aktiváció eltávolítása az első rétegből (embedding), amely a "halott ReLU" problémával küzdött.
  • A legújabb konvenciókat követve az embedding réteg nem számít egy rejtett rétegnek.

reset_parameters​

def reset_parameters()

Minden súly inicializálása úgy, hogy az aktivációs varianciák körülbelül 1.0 legyenek, a torzítási (bias) tagok és a kimeneti réteg súlyai pedig nullák.

forward​

def forward(inputs)

A modell előrecsatolási (forward pass) fázisa.

Argumentumok:

  • inputs torch.Tensor - A probléma állapotát reprezentáló bemeneti tenzor.

Visszatérési érték:

  • torch.Tensor - A lehetséges megoldások feletti prediktált eloszlás.

LinearBlock​

class LinearBlock(nn.Module)

Egy építőelem az MLP architektúrához.

Ez a blokk egy lineáris rétegből, majd egy ReLU aktivációból és egy kötegelt normalizálásból (batch normalization) áll.

forward​

def forward(inputs)

A lineáris blokk előrecsatolási (forward pass) fázisa.

Argumentumok:

  • inputs torch.Tensor - Bemeneti tenzor.

Visszatérési érték:

  • torch.Tensor - Kimeneti tenzor a lineáris transzformáció, a ReLU aktiváció és a kötegelt normalizálás után.