PyEPO:基于PyTorch的端到端预测优化工具
2024-09-20 22:27:30作者:贡沫苏Truman
项目介绍
PyEPO(PyTorch-based End-to-End Predict-then-Optimize Tool)是一个基于Python的开源软件,专门用于建模和解决具有线性目标函数的预测优化问题。该项目通过将优化模型嵌入到人工神经网络中,实现了端到端的训练过程。PyEPO的核心功能包括使用GurobiPy、Pyomo或其他求解器和算法构建优化模型,并将其集成到PyTorch的自动微分模块中。
项目技术分析
PyEPO的技术架构基于PyTorch,充分利用了PyTorch的自动微分功能,使得优化模型的训练过程更加高效和灵活。项目支持多种优化方法,如SPO+、DBB、NID、DPO、PFYL、NCE、LTR、I-MLE和AI-MLE等。此外,PyEPO还支持Gurobi、COPT和Pyomo等API,以及并行计算和解决方案缓存,极大地提升了训练速度和决策质量。
项目及技术应用场景
PyEPO适用于需要预测和优化相结合的多种应用场景,包括但不限于:
- 资源分配问题:如物流、供应链管理中的资源分配。
- 能源调度:如电力系统的实时调度。
- 路径规划:如游戏中的最短路径问题。
- 金融投资组合优化:如资产配置和风险管理。
项目特点
- 端到端训练:将优化模型无缝集成到神经网络中,实现端到端的训练。
- 多种优化方法:支持多种先进的优化方法,满足不同应用需求。
- 高效求解器支持:兼容Gurobi、COPT和Pyomo等高效求解器。
- 并行计算:支持并行计算,加速优化求解过程。
- 解决方案缓存:通过解决方案缓存技术,提升训练效率。
- kNN鲁棒损失:支持kNN鲁棒损失,提高决策质量。
安装与使用
PyEPO可以通过多种方式安装,包括从GitHub克隆、使用pip安装或通过conda安装。以下是安装命令示例:
# 从GitHub克隆并安装
git clone -b main --depth 1 https://github.com/khalil-research/PyEPO.git
pip install PyEPO/pkg/.
# 使用pip安装
pip install pyepo
# 使用conda安装
conda install -c pyepo pyepo
示例代码
以下是一个简单的示例代码,展示了如何使用PyEPO进行预测优化模型的训练:
import gurobipy as gp
from gurobipy import GRB
import numpy as np
import pyepo
from pyepo.model.grb import optGrbModel
import torch
from torch import nn
from torch.utils.data import DataLoader
# 优化模型
class myModel(optGrbModel):
def __init__(self, weights):
self.weights = np.array(weights)
self.num_item = len(weights[0])
super().__init__()
def _getModel(self):
m = gp.Model()
x = m.addVars(self.num_item, name="x", vtype=GRB.BINARY)
m.modelSense = GRB.MAXIMIZE
m.addConstr(gp.quicksum([self.weights[0,i] * x[i] for i in range(self.num_item)]) <= 7)
m.addConstr(gp.quicksum([self.weights[1,i] * x[i] for i in range(self.num_item)]) <= 8)
m.addConstr(gp.quicksum([self.weights[2,i] * x[i] for i in range(self.num_item)]) <= 9)
return m, x
# 预测模型
class LinearRegression(nn.Module):
def __init__(self):
super(LinearRegression, self).__init__()
self.linear = nn.Linear(num_feat, num_item)
def forward(self, x):
out = self.linear(x)
return out
if __name__ == "__main__":
num_data = 1000
num_feat = 5
num_item = 10
weights, x, c = pyepo.data.knapsack.genData(num_data, num_feat, num_item, dim=3, deg=4, noise_width=0.5, seed=135)
optmodel = myModel(weights)
predmodel = LinearRegression()
optimizer = torch.optim.Adam(predmodel.parameters(), lr=1e-2)
spop = pyepo.func.SPOPlus(optmodel, processes=1)
dataset = pyepo.data.dataset.optDataset(optmodel, x, c)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
num_epochs = 10
for epoch in range(num_epochs):
for data in dataloader:
x, c, w, z = data
cp = predmodel(x)
loss = spop(cp, c, w, z)
optimizer.zero_grad()
loss.backward()
optimizer.step()
regret = pyepo.metric.regret(predmodel, optmodel, dataloader)
print("Regret on Training Set: {:.4f}".format(regret))
总结
PyEPO作为一个强大的预测优化工具,不仅提供了丰富的优化方法和高效的求解器支持,还通过端到端的训练方式,极大地简化了复杂优化问题的解决流程。无论是在学术研究还是工业应用中,PyEPO都能为用户提供强大的支持,帮助用户在各种复杂场景中实现高效的预测和优化。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
242
2.38 K
仓颉编译器源码及 cjdb 调试工具。
C++
116
87
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
405
React Native鸿蒙化仓库
JavaScript
216
291
Ascend Extension for PyTorch
Python
79
113
仓颉编程语言运行时与标准库。
Cangjie
123
98
仓颉编程语言测试用例。
Cangjie
34
71
暂无简介
Dart
539
118
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
591
119