الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

المحولات العصبية الرمزية للاتصالات متعددة العوامل

التبعيات

بايثون 3

OpenAI جيم 0.11.0

باي تورش

مكتبة الرسوم البيانية العميقة (https://www.dgl.ai/)

فيديو توضيحي للمهام المختلفة:

يرجى العثور على مقطع فيديو قصير على Task_video.mp4 للحصول على فهم أفضل للمهام المستخدمة في هذه الورقة.

النماذج المدربة مسبقا:

يمكنك العثور على النماذج المدربة مسبقًا لجميع المهام في المجلد الرئيسي/النتائج/.

مهمة Random_cross -> main/results/model_random_cross/

مهمة Random_grid -> main/results/model_random_grid/

مهمة unlabeled_goals -> main/results/model_unlabeled/

two_groups_cross في الشكل 1 -> main/results/model_2groups_cross/

توليد المؤامرات: 

  # To generate plots for Figures 2 and 6
  # Random cross
  python3 -m main.plot_results --result_dir=model_random_cross --env=FormationTorch-v0
  # Random grid
  python3 -m main.plot_results --result_dir=model_random_grid --env=FormationTorch-v0
  # Random cross
  python3 -m main.plot_results --result_dir=model_unlabeled --env=UnlabeledGoals-v0

يجب أن تقوم أوامر cmd المذكورة أعلاه بإنشاء مخططات على main/results/RESULT_DIR/plots/

محاكاة النماذج المدربة مسبقًا: 

   python3 -m main.replay  --result_dir=RESULT_DIR --baseline=BASELINE

RESULT_DIR يمكن أن يكون model_random_cross، وmodel_random_grid، وmodel_unlabeled، وmodel_2groups_cross.

BASELINE يمكن أن يكون tf-full، hard، dist، prog، prog-retrained، dt، dt-retrained، det، det-retrained.

لاحظ أن prog-retrained هو الإصدار المطابق لمنهجنا الكامل.

نماذج التدريب من الصفر

لتدريب النماذج من البداية، قم بتشغيل البرامج النصية التالية. (لاحظ أن هذا الجزء يستغرق عدة ساعات ويتطلب وحدات معالجة الرسومات) 

  # Random cross
  bash run_random_cross.sh
  # Random grid
  bash run_random_grid.sh
  # Random cross
  bash run_unlabeled_goals.sh
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل