《Neural Relational Inference for Interacting Systems》项目安装与配置指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00431/article/details/146939124

《Neural Relational Inference for Interacting Systems》项目安装与配置指南

NRI Neural relational inference for interacting systems - pytorch 项目地址: https://gitcode.com/gh_mirrors/nri1/NRI

1. 项目基础介绍

本项目是基于神经关系推理（Neural Relational Inference, NRI）的开源项目，旨在通过观测数据学习系统的交互关系和动态特性。NRI 是一种无监督学习模型，它可以从观测到的数据中推断出系统组件间的相互作用，并学习这些组件的动态行为。该模型采用变分自编码器（Variational Autoencoder, VAE）的形式，其中潜在代码表示基础的交互图，而重构过程则基于图神经网络（Graph Neural Networks, GNN）。此项目适用于模拟物理系统以及运动捕捉和体育追踪数据的复杂动态预测。

本项目的主要编程语言是 Python。

2. 项目使用的关键技术和框架

变分自编码器（VAE）: 用于生成模型潜在空间的表示，使得模型能够学习数据的有效低维表示。
图神经网络（GNN）: 用于处理图结构数据，学习节点之间的关系，适用于表示系统组件的交互。
PyTorch: 是一个流行的开源机器学习库，用于实现深度学习模型，本项目使用 PyTorch 来构建和训练模型。

3. 项目安装和配置

准备工作

在开始安装之前，请确保您的系统中已安装以下依赖项：

Python 2.7 或 3.6（本项目可能不支持其他版本的 Python）
PyTorch 0.2（请注意，版本 0.3 与本项目不兼容）

您可以通过 PyTorch 官网提供的命令来安装指定版本的 PyTorch。

安装步骤

克隆项目仓库到本地环境：

git clone https://github.com/ethanfetaya/NRI.git
cd NRI

生成数据集：在项目目录中，切换到 data 文件夹并运行数据生成脚本。
```
cd data
python generate_dataset.py
```
如果要生成带电粒子模拟数据，请在命令中添加 --simulation charged 参数。
安装项目依赖：在项目根目录下，运行以下命令安装项目所需的所有 Python 包。
```
pip install -r requirements.txt
```
如果 requirements.txt 文件不存在，请手动安装以下包：
- numpy
- torch (指定版本 0.2)
- torchvision
- matplotlib
- networkx
训练模型：在项目根目录下，运行以下命令以训练 NRI 模型。
```
python train.py
```
如果需要指定不同的数据集，可以通过 --suffix 参数来修改。
（可选）训练单独的编码器或解码器：如果需要单独训练编码器或解码器，可以使用以下命令。
```
python train_enc.py  # 训练编码器
python train_dec.py  # 训练解码器
```
（可选）运行 LSTM 基线模型：如果要尝试 LSTM 基线模型，可以使用以下命令。
```
python lstm_baseline.py
```