Lean 정리 증명기의 LLM 기반 증명 자동화 도구로, tactic 제안과 증명 검색, 전제 선택 기능을 제공합니다.
lean-dojo/TorchLean
형상 검사를 지원하는 텐서와 PyTorch 스타일 학습을 제공해 신경망을 명세하고 실행하며 형식 검증하는 Lean 4 프레임워크입니다.
- 스타
- 206
- 포크
- 25
- 열린 이슈
- 3
- 마지막 커밋
- 10일 전
어떤 프로젝트인가요?
TorchLean은 Lean 4 언어에서 일반적인 텐서 연산, 머신러닝, 수학적 증명을 결합합니다. 형상 검사를 지원하는 텐서로 선형대수와 수치 알고리즘을 구현할 수 있으며, 동일한 모델 정의를 학습, 그래프 변환, 인증서 검사, 증명에 사용할 수 있습니다.
검증 도구를 사용하면 분류기가 입력 영역 전반에서 예측을 유지하는지와 같은 질문을 다룰 수 있습니다. FloatLib 의존성을 통해 수치 정밀도를 선택할 수 있으며, 명시적인 가정 아래 반올림과 수치 오차 한계를 증명할 수 있습니다. 자동 미분은 TorchLean 자체에 구현되어 있고, GPU에서는 텐서 값과 국소 기울기를 계산하는 데 LibTorch의 ATen 연산을 호출합니다.
이 프로젝트는 빠른 시작용 MLP 예제, CUDA를 지원하는 GPU 경로, 다른 Lean 프로젝트에서 직접 의존성으로 사용할 수 있는 Lake 패키지를 제공합니다. 문서에서는 Lean 증명과 외부 CPU 및 GPU 런타임을 구분하고, 이 런타임을 신뢰 경계로 명시합니다.
핵심 기능
- 01Lean으로 작성된 형상 검사 지원 텐서와 신경망 계층
- 02TorchLean 자체 자동 미분을 사용한 LibTorch 기반 CPU 또는 CUDA 학습
- 03FloatLib를 통한 정밀도 선택 기능(binary32 및 binary128 포함)
- 04구간 경계 전파와 강건성 검사 등의 검증 워크플로
- 05PyTorch 모델 및 Jaxpr 그래프의 가져오기와 내보내기 경로
활용 사례
- 입력 영역에서 예측이 강건한지 등 신경망의 속성 증명
- 명시적인 가정 아래 텐서 연산의 수치 오차와 반올림 동작 연구
- 증명에 재사용할 수 있는 정의를 유지하면서 Lean에서 소규모 모델 학습
- 머신러닝 시스템의 형식 검증 연구
빠른 시작
- 1
리포지토리를 클론합니다
git clone https://github.com/lean-dojo/TorchLean.git - 2
프로젝트 디렉터리로 이동합니다
cd TorchLean - 3
미리 빌드된 캐시를 가져옵니다
scripts/lake.sh exe cache get - 4
CPU quickstart를 빌드하고 실행합니다
scripts/lake.sh build && scripts/lake.sh exe torchlean quickstart_mlp --device cpu --steps 10
사용 전 알아둘 점
- GPU 경로에는 CUDA를 지원하는 LibTorch SDK와 NVIDIA GPU가 필요합니다.
- GPU에서 LibTorch/ATen 구현은 Lean 증명 범위 밖에 있는 외부 신뢰 경계입니다.
토픽
자주 묻는 질문
- TorchLean은(는) 무엇인가요?
- 형상 검사를 지원하는 텐서와 PyTorch 스타일 학습을 제공해 신경망을 명세하고 실행하며 형식 검증하는 Lean 4 프레임워크입니다. TorchLean은 Lean 4 언어에서 일반적인 텐서 연산, 머신러닝, 수학적 증명을 결합합니다. 형상 검사를 지원하는 텐서로 선형대수와 수치 알고리즘을 구현할 수 있으며, 동일한 모델 정의를 학습, 그래프 변환, 인증서 검사, 증명에 사용할 수 있습니다.
- TorchLean은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- TorchLean은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- TorchLean은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. TorchLean의 마지막 커밋은 2026년 10월 29일입니다.
- TorchLean은(는) 어디에 사용할 수 있나요?
- 입력 영역에서 예측이 강건한지 등 신경망의 속성 증명 명시적인 가정 아래 텐서 연산의 수치 오차와 반올림 동작 연구 증명에 재사용할 수 있는 정의를 유지하면서 Lean에서 소규모 모델 학습 머신러닝 시스템의 형식 검증 연구
- TorchLean는 어떻게 설치하나요?
- 리포지토리를 클론합니다: git clone https://github.com/lean-dojo/TorchLean.git 프로젝트 디렉터리로 이동합니다: cd TorchLean 미리 빌드된 캐시를 가져옵니다: scripts/lake.sh exe cache get CPU quickstart를 빌드하고 실행합니다: scripts/lake.sh build && scripts/lake.sh exe torchlean quickstart_mlp --device cpu --steps 10
- TorchLean은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/lean-dojo/TorchLean
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
C#, F# 등 .NET 언어로 컴파일된 .NET CIL을 대상으로 정확성과 메모리 안전성을 기계 검증하는 Lean 4 프레임워크입니다.
법칙과 증명을 활용해 AI가 작성한 코드를 검증하고, CPU와 GPU에서 빠르게 병렬 실행되는 코드로 컴파일하는 프로그래밍 언어입니다.
MindSpore는 모바일, 엣지, 클라우드 환경을 위한 오픈소스 딥러닝 학습 및 추론 프레임워크로, Huawei Ascend AI 프로세서를 기본 지원합니다.
일반 Lean 4 프로그램을 Node, 서버리스, 엣지, WASI, 브라우저용 WebAssembly로 컴파일하는 Lean 4 AOT 컴파일러입니다.
브라우저, Node, Bun에서 실행되는 TLA+ 인터프리터 및 모델 체커의 TypeScript 구현으로, Java 기반 TLC를 바로 대체할 수 있습니다.