Repolode
Enviar
lean-dojo

lean-dojo/TorchLean

Framework de Lean 4 para especificar, ejecutar y verificar formalmente redes neuronales, con tensores que comprueban las dimensiones y entrenamiento al estilo de PyTorch.

Ver en GitHubSitio web
Estrellas
206
Forks
25
Issues abiertos
3
Último commit
hace 9 días

¿Qué es?

TorchLean combina el cálculo general con tensores, el aprendizaje automático y las demostraciones matemáticas en el lenguaje Lean 4. Sus tensores comprueban las dimensiones y admiten álgebra lineal y algoritmos numéricos; las mismas definiciones de modelos sirven para entrenar, transformar grafos, verificar certificados y elaborar demostraciones.

Las herramientas de verificación permiten plantear preguntas como si un clasificador mantiene su predicción en una región de entrada. Mediante la dependencia FloatLib se puede elegir la precisión numérica, y es posible demostrar cotas de redondeo y error numérico bajo supuestos explícitos. TorchLean implementa la diferenciación automática; en GPU, recurre a las operaciones ATen de LibTorch para los valores de los tensores y los gradientes locales.

El proyecto incluye un ejemplo de MLP para empezar rápidamente, una opción para GPU con CUDA y un paquete de Lake que otros proyectos de Lean pueden usar directamente como dependencia. La documentación distingue las demostraciones de Lean de los entornos de ejecución externos para CPU y GPU, que se enumeran como límites de confianza.

Funciones clave

  • 01Tensores que comprueban las dimensiones y capas de redes neuronales escritas en Lean
  • 02Entrenamiento en CPU o CUDA mediante LibTorch, con diferenciación automática implementada por TorchLean
  • 03Precisión numérica seleccionable mediante FloatLib, incluidos binary32 y binary128
  • 04Flujos de verificación como la propagación de cotas por intervalos y las comprobaciones de robustez
  • 05Opciones para importar y exportar modelos de PyTorch y grafos Jaxpr

Casos de uso

  • Demostrar propiedades de una red neuronal, como la robustez de sus predicciones en una región de entrada
  • Estudiar el error numérico y el comportamiento del redondeo en cálculos con tensores bajo supuestos explícitos
  • Entrenar modelos pequeños en Lean y mantener sus definiciones reutilizables en demostraciones
  • Investigar la verificación formal de sistemas de aprendizaje automático

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/lean-dojo/TorchLean.git
  2. 2

    Entra en el directorio del proyecto

    cd TorchLean
  3. 3

    Obtén la caché compilada previamente

    scripts/lake.sh exe cache get
  4. 4

    Compila y ejecuta el inicio rápido para CPU

    scripts/lake.sh build && scripts/lake.sh exe torchlean quickstart_mlp --device cpu --steps 10

Antes de usarlo

  • La ruta de GPU requiere un SDK de LibTorch compatible con CUDA y una GPU NVIDIA.
  • En GPU, la implementación de LibTorch/ATen constituye un límite de confianza externo, fuera del alcance de las demostraciones de Lean.

Temas

#lean4#formal-verification#neural-network#theorem-proving#pytorch#automatic-differentiation#ai4math#ai4science#scientific-computing#verification

Preguntas frecuentes

¿Qué es TorchLean?
Framework de Lean 4 para especificar, ejecutar y verificar formalmente redes neuronales, con tensores que comprueban las dimensiones y entrenamiento al estilo de PyTorch. TorchLean combina el cálculo general con tensores, el aprendizaje automático y las demostraciones matemáticas en el lenguaje Lean 4. Sus tensores comprueban las dimensiones y admiten álgebra lineal y algoritmos numéricos; las mismas definiciones de modelos sirven para entrenar, transformar grafos, verificar certificados y elaborar demostraciones.
¿TorchLean es gratuito? ¿Qué licencia tiene?
TorchLean es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿TorchLean sigue mantenido?
Mantenimiento activo. El último commit de TorchLean fue el 29 oct 2026.
¿Para qué puedo usar TorchLean?
Demostrar propiedades de una red neuronal, como la robustez de sus predicciones en una región de entrada Estudiar el error numérico y el comportamiento del redondeo en cálculos con tensores bajo supuestos explícitos Entrenar modelos pequeños en Lean y mantener sus definiciones reutilizables en demostraciones Investigar la verificación formal de sistemas de aprendizaje automático
¿Cómo se instala TorchLean?
Clona el repositorio: git clone https://github.com/lean-dojo/TorchLean.git Entra en el directorio del proyecto: cd TorchLean Obtén la caché compilada previamente: scripts/lake.sh exe cache get Compila y ejecuta el inicio rápido para CPU: scripts/lake.sh build && scripts/lake.sh exe torchlean quickstart_mlp --device cpu --steps 10
¿Dónde consigo TorchLean?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/lean-dojo/TorchLean

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados