Repolode
Предложить
lean-dojo

lean-dojo/TorchLean

Фреймворк для Lean 4, позволяющий описывать, запускать и формально верифицировать нейросети с проверкой форм тензоров и обучением в стиле PyTorch.

Открыть на GitHubСайт
Звёзды
206
Форки
25
Открытые issues
3
Последний коммит
9 дней назад

Что это?

TorchLean объединяет вычисления с тензорами общего назначения, машинное обучение и математические доказательства в языке Lean 4. Тензоры с проверкой форм поддерживают линейную алгебру и численные алгоритмы, а одни и те же определения моделей можно использовать для обучения, преобразования графов, проверки сертификатов и доказательств.

Инструменты верификации помогают отвечать на вопросы вроде того, сохраняет ли классификатор свой прогноз для целой области входных данных. Благодаря зависимости FloatLib можно выбирать численную точность, а округление и границы численной погрешности — доказывать при заданных явных предположениях. Автоматическое дифференцирование реализовано непосредственно в TorchLean; на GPU для работы со значениями тензоров и локальными градиентами вызываются операции ATen из LibTorch.

В проект входят краткий пример MLP для быстрого старта, поддержка GPU с CUDA и пакет Lake, от которого другие проекты на Lean могут зависеть напрямую. В документации доказательства на Lean отделены от внешних сред выполнения на CPU и GPU, перечисленных как границы доверия.

Ключевые возможности

  • 01Тензоры с проверкой форм и слои нейросетей, написанные на Lean
  • 02Обучение на CPU или CUDA через LibTorch с автоматическим дифференцированием, реализованным в TorchLean
  • 03Выбор численной точности через FloatLib, включая binary32 и binary128
  • 04Сценарии верификации, например распространение интервальных границ и проверки устойчивости
  • 05Возможности импорта и экспорта моделей PyTorch и графов Jaxpr

Сценарии использования

  • Доказательство свойств нейросети, например устойчивости её прогнозов в области входных данных
  • Изучение численной погрешности и поведения округления при вычислениях с тензорами на основе явных предположений
  • Обучение небольших моделей на Lean с возможностью повторно использовать их определения в доказательствах
  • Исследование формальной верификации систем машинного обучения

Быстрый старт

  1. 1

    Клонируйте репозиторий

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

    Перейдите в каталог проекта

    cd TorchLean
  3. 3

    Получите предварительно собранный кеш

    scripts/lake.sh exe cache get
  4. 4

    Соберите и запустите quickstart для CPU

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

Что важно знать

  • Для работы с GPU требуются SDK LibTorch с поддержкой CUDA и графический процессор NVIDIA.
  • При работе с GPU реализация LibTorch/ATen находится за пределами доказательств Lean и образует внешнюю границу доверия.

Темы

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

Частые вопросы

Что такое TorchLean?
Фреймворк для Lean 4, позволяющий описывать, запускать и формально верифицировать нейросети с проверкой форм тензоров и обучением в стиле PyTorch. TorchLean объединяет вычисления с тензорами общего назначения, машинное обучение и математические доказательства в языке Lean 4. Тензоры с проверкой форм поддерживают линейную алгебру и численные алгоритмы, а одни и те же определения моделей можно использовать для обучения, преобразования графов, проверки сертификатов и доказательств.
TorchLean можно использовать бесплатно? Какая у него лицензия?
TorchLean распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
TorchLean всё ещё поддерживается?
Активно поддерживается. Последний коммит в TorchLean — 29 окт. 2026 г..
Для чего можно использовать TorchLean?
Доказательство свойств нейросети, например устойчивости её прогнозов в области входных данных Изучение численной погрешности и поведения округления при вычислениях с тензорами на основе явных предположений Обучение небольших моделей на Lean с возможностью повторно использовать их определения в доказательствах Исследование формальной верификации систем машинного обучения
Как установить TorchLean?
Клонируйте репозиторий: git clone https://github.com/lean-dojo/TorchLean.git Перейдите в каталог проекта: cd TorchLean Получите предварительно собранный кеш: scripts/lake.sh exe cache get Соберите и запустите quickstart для CPU: scripts/lake.sh build && scripts/lake.sh exe torchlean quickstart_mlp --device cpu --steps 10
Где скачать TorchLean?
Исходный код и инструкции по установке — на GitHub: https://github.com/lean-dojo/TorchLean

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

bendlang / bend

Язык программирования, который использует законы и доказательства, чтобы проверять корректность кода, написанного ИИ, и компилирует его в быстрый параллельный код для CPU и GPU.

ИИ и машинное обучение#programming-language#formal-verification#theorem-proving
24,8 тыс.+261 за неделю796TypeScriptApache-2.0Активно поддерживаетсяОбновлён 15 часов назад

mindspore-ai / mindspore

MindSpore — фреймворк с открытым исходным кодом для обучения и инференса моделей глубокого обучения на мобильных устройствах, периферийных и облачных платформах с нативной поддержкой AI-процессоров Huawei Ascend.

ИИ и машинное обучение#deep-learning#machine-learning#neural-network
4,7 тыс.+4 за неделю746C++Apache-2.0Обновлён 10 дней назад