liquid_time_constant_networks
Liquid Time-Constant Networks （LTC） 的代码库
本项目提供了Liquid time-constant Networks等连续时间模型的官方训练资源。支持使用TensorFlow和Python进行模型训练与评估，适用于手势分割、房间占用检测、交通量预测等多种数据集。通过详细的步骤和参数设置指导，科研人员和开发者可以优化并存储训练结果，深入探索连续时间模型的应用。
液体时间常数网络 (LTCs)
[更新] 孪生库添加了Pytorch版本及教程：https://github.com/mlech26l/ncps
这是论文https://arxiv.org/abs/2006.04439中描述的LTC网络的官方库。该库允许您通过时间反向传播（BPTT）训练连续时间模型。可用的连续时间模型如下：
| 模型 | 参考资料 |
|---|---|
| 液体时间常数网络 | https://arxiv.org/abs/2006.04439 |
| 神经常微分方程（Neural ODEs） | https://papers.nips.cc/paper/7892-neural-ordinary-differential-equations.pdf |
| 连续时间循环神经网络（RNNs） | https://www.sciencedirect.com/science/article/abs/pii/S089360800580125X |
| 连续时间门控循环单元（GRU） | https://arxiv.org/abs/1710.04110 |
先决条件
所有模型都使用TensorFlow 1.14.0和python3在Ubuntu 16.04和18.04机器上实现和测试。以下所有步骤假设在这些条件下执行。
准备
首先，我们需要通过运行以下命令下载所有数据集：
source download_datasets.sh
该脚本会创建一个名为data的文件夹，所有下载的数据集都存储在此文件夹中。
训练和评估模型
每个数据集对应一个Python模块：
- 手势分割：
gesture.py - 房间占用检测：
occupancy.py - 人类活动识别：
har.py - 流量预测：
traffic.py - 臭氧层水平预测：
ozone.py
每个脚本接受以下四个参数：
--model: lstm | ctrnn | ltc | ltc_rk | ltc_ex--epochs: 训练时期数（默认为200）--size: 隐藏RNN单元的数量（默认为32）--log: 验证指标评估的间隔（默认为1）
每个脚本都会在给定的时期数下训练指定的模型，并在每个log步之后评估验证性能。
在训练结束时，将还原表现最佳的检查点并在测试集上评估模型。
所有结果都会存储在results 文件夹中，并附加到CSV文件中。
例如，我们可以通过执行以下命令训练和评估CT-RNN：
python3 har.py --model ctrnn
脚本完成后，会生成一个名为results/har/ctrnn_32.csv的文件，包含以下列：
best epoch: 达到最佳验证指标的时期编号train loss: 在最佳时期获得的训练损失train accuracy: 在最佳时期获得的训练指标valid loss: 在最佳时期获得的验证损失valid accuracy: 在训练期间获得的最佳验证指标test loss: 在测试集上的损失test accuracy: 在测试集上的指标
超参数
| 参数 | 值 | 描述 |
|---|---|---|
| 小批量大小 | 16 | 计算梯度下降更新的训练样本数量 |
| 学习率 | 0.001/0.02 | LTC为0.01-0.02，其他模型为0.001 |
| 隐藏单元 | 32 | 每个模型的隐藏单元数量 |
| 优化器 | Adam | 参见 (Kingma 和 Ba, 2014) |
| beta_1 | 0.9 | Adam方法的参数 |
| beta_2 | 0.999 | Adam方法的参数 |
| epsilon | 1e-08 | Adam方法的ε参数 |
| 训练时期数 | 200 | 最大训练时期数 |
| BPTT长度 | 32 | 时间步中的时间反向传播长度 |
| ODE求解器步长 | 1/6 | 相对于输入采样周期 |
| 验证评估间隔 | 1 | 训练时期中的评估验证指标间隔 |
轨迹长度分析
运行main.m文件可获取所需设置的轨迹长度结果，这可以在代码中进行调整。
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调 用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号