หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

หม้อแปลงสัญลักษณ์ประสาทสำหรับการสื่อสารหลายตัวแทน

การพึ่งพาอาศัยกัน

หลาม 3

OpenAI ยิม 0.11.0

ไพทอร์ช

ไลบรารีกราฟเชิงลึก (https://www.dgl.ai/)

ภาพประกอบวิดีโอสำหรับงานต่างๆ:

โปรดดูวิดีโอสั้นๆ ที่ Tasks_video.mp4 เพื่อให้เข้าใจงานต่างๆ ที่ใช้ในบทความนี้ได้ดียิ่งขึ้น

โมเดลที่ได้รับการฝึกอบรมล่วงหน้า:

คุณสามารถค้นหาโมเดลที่ได้รับการฝึกอบรมล่วงหน้าสำหรับงานทั้งหมดได้ในโฟลเดอร์ main/results/

งาน Random_cross -> หลัก/ผลลัพธ์/model_random_cross/

งาน Random_grid -> หลัก/ผลลัพธ์/model_random_grid/

งาน unlabeled_goals -> หลัก/ผลลัพธ์/model_unlabeled/

two_groups_cross ในรูปที่ 1 -> main/results/model_2groups_cross/

การสร้างแปลง: 

  # 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

cmds ข้างต้นควรสร้างแปลงที่ main/results/RESULT_DIR/plots/

การจำลองโมเดลที่ผ่านการฝึกอบรมมาแล้ว: 

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

RESULT_DIR สามารถเป็น model_random_cross, model_random_grid, model_unlabeled, model_2groups_cross

BASELINE สามารถเป็น tf-full, hard, dist, prog, prog-retrained, dt, dt-retrained, det, det-retrained

โปรดทราบว่า prog-retrained เป็นเวอร์ชันที่สอดคล้องกับแนวทางทั้งหมดของเรา

โมเดลการฝึกอบรมตั้งแต่เริ่มต้น

หากต้องการฝึกโมเดลตั้งแต่เริ่มต้น ให้รันสคริปต์ต่อไปนี้ (โปรดทราบว่าส่วนนี้ใช้เวลาหลายชั่วโมงและต้องใช้ GPU) 

  # Random cross
  bash run_random_cross.sh
  # Random grid
  bash run_random_grid.sh
  # Random cross
  bash run_unlabeled_goals.sh
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด