20250301-代码笔记-test_n100

---

前言

讲解脚本test_n100.py中的代码。

/home/tang/RL_exa/NCO_code-main/single_objective/LCH-Regret/Regret-POMO/CVRP/POMO/test_n100.py

---

一、参数解析

1.1具体参数含义

1. 环境参数 (env_params)

• problem_size: 这个参数指定了问题的规模。
• pomo_size：智能体数量

2. 模型参数 (model_params)

• embedding_dim: 该参数指定嵌入层的维度，通常在神经网络中用来将输入数据映射到一个低维度的向量空间。
• sqrt_embedding_dim: 这是 embedding_dim 的平方根，通常在某些模型计算中作为特征。
• encoder_layer_num: 该参数表示模型中的编码器层数。
• qkv_dim: 该参数用于定义查询（Query）、键（Key）和值（Value）在自注意力机制中的维度。
• head_num: 在多头注意力机制中，头的数量决定了模型能够并行计算多少组查询、键和值。
• logit_clipping: 该参数通常用于数值稳定性，特别是在生成模型输出（如Logits）时进行裁剪。设置值为 10，可能是为了防止输出值过大或过小，确保训练时的数值稳定。
• ff_hidden_dim: 该参数表示前馈神经网络（Feed-Forward Network）中的隐藏层维度。
• eval_type: 这个参数定义了模型评估时使用的策略。这里的 argmax 表示评估时选择最大概率的动作或预测，通常用于选择最优解或决策。

3. 测试参数 (tester_params_regret)

• use_cuda: 这个参数指示是否使用 CUDA（即是否使用 GPU）进行加速运算。 它的值是 USE_CUDA，这取决于上文定义的 USE_CUDA，它会在 DEBUG_MODE 为 False 时启用 GPU 加速，反之则禁用。
• cuda_device_num: 这个参数指定使用的 CUDA 设备编号。
• model_load：
  • path: 模型预训练文件的路径。
  • epoch: 指定加载的模型训练到哪一轮。
• test_episodes: 这个参数设置了测试时的总回合数。10000 表示在测试过程中进行 10000 次回合的测试。
• test_batch_size: 这个参数指定了每个测试批次的大小，意味着每个批次中包含 1000 个样本。
• augmentation_enable: 这是一个布尔值，表示是否启用数据增强。
• aug_factor: 这个参数指定了数据增强的因子。8 表示在数据增强时，数据集会被扩展为原来的 8 倍，增加了训练数据的多样性。
• aug_batch_size: 如果启用了数据增强，aug_batch_size 参数指定了增强后的每个批次的大小。这里设置为 400，意味着每个增强的批次将包含 400 个样本。
• test_data_load: 这是一个字典，用来配置测试数据加载的参数：
  • enable: 这个参数指示是否启用从文件加载测试数据。
  • filename: 指定包含测试数据的文件路径。
• if tester_params_regret['augmentation_enable']:: 这一段检查是否启用了数据增强（augmentation_enable）。如果启用了数据增强，测试批次大小（test_batch_size）会被重新设置为 aug_batch_size（即 400）。

4. 日志参数 (logger_params)

• log_file: 这个字典包含了日志文件的配置：
  • desc: 这是日志的描述信息，通常用于标识当前测试的目标或描述。这些描述性信息有助于辨别不同的日志文件。这里设置为 'test__CVRP100'，表明日志与 CVRP100 测试相关。
  • filename: 这是日志文件的名称，设置为 'log.txt'，意味着所有日志信息将被记录到名为 log.txt 的文件中。

1.2分析

1.2.1如何在脚本运行时输入model路径

---

tester_params_regret = {

    'model_load': {
        'path': '../../pretrained/vrp100',
        
        'epoch': 8100,
    },
   # 其他参数
    },
}

设置初始参数model_load即path和epoch。
path和epoch是生成存储模型地址的必要参数，将参数给到CVRPTester.py中的class CVRPTester:__init__(self,env_params,model_params,tester_params)。

single_objective/LCH-Regret/Regret-POMO/CVRP/POMO/CVRPTester.py

        checkpoint_fullname = '{path}/checkpoint-{epoch}.pt'.format(**model_load)

---

1.3代码

##########################################################################################
# parameters

env_params = {
    'problem_size': 100,
    'pomo_size': 100,
}

model_params = {
    'embedding_dim': 128,
    'sqrt_embedding_dim': 128**(1/2),
    'encoder_layer_num': 6,
    'qkv_dim': 16,
    'head_num': 8,
    'logit_clipping': 10,
    'ff_hidden_dim': 512,
    'eval_type': 'argmax',
}

tester_params_regret = {
    'use_cuda': USE_CUDA,
    'cuda_device_num': CUDA_DEVICE_NUM,
    'model_load': {
        'path': '../../pretrained/vrp100',
        'epoch': 8100,
    },
    'test_episodes': 10000,
    'test_batch_size': 1000,
    'augmentation_enable': True,
    'aug_factor': 8,
    'aug_batch_size': 400,
    'test_data_load': {
        'enable': True,
        'filename': '../../../data/vrp100.pt'
    },
}

if tester_params_regret['augmentation_enable']:
    tester_params_regret['test_batch_size'] = tester_params_regret['aug_batch_size']

logger_params = {
    'log_file': {
        'desc': 'test__CVRP100',
        'filename': 'log.txt'
    }
}

---

二、函数 main()

函数解析

执行流程图链接

函数代码

def main():

    if DEBUG_MODE:
        _set_debug_mode()

    create_logger(**logger_params)
    _print_config()


    tester_regret = Tester_regret(env_params=env_params,
                    model_params=model_params,
                    tester_params=tester_params_regret)

    copy_all_src(tester_regret.result_folder)

    tester_regret.run()

---

三、函数def _set_debug_mode()

函数解析

根据设置调整测试时的参数。

函数代码

def _set_debug_mode():
    global tester_params_regret
    tester_params_regret['test_episodes'] = 100

---

四、函数def _print_config()

函数解析

打印配置信息 (_print_config)。

函数代码

def _print_config():
    logger = logging.getLogger('root')
    logger.info('DEBUG_MODE: {}'.format(DEBUG_MODE))
    logger.info('USE_CUDA: {}, CUDA_DEVICE_NUM: {}'.format(USE_CUDA, CUDA_DEVICE_NUM))
    [logger.info(g_key + "{}".format(globals()[g_key])) for g_key in globals().keys() if g_key.endswith('params')]

---

附录

代码（全）

##########################################################################################
# Machine Environment Config

DEBUG_MODE = False
USE_CUDA = not DEBUG_MODE
CUDA_DEVICE_NUM = 0


##########################################################################################
# Path Config

import os
import sys

os.chdir(os.path.dirname(os.path.abspath(__file__)))
sys.path.insert(0, "..")  # for problem_def
sys.path.insert(0, "../..")  # for utils


##########################################################################################
# import
import torch
import logging
from utils.utils import create_logger, copy_all_src

from CVRPTester import CVRPTester as Tester_regret

##########################################################################################
# parameters

env_params = {
    'problem_size': 100,
    'pomo_size': 100,
}

model_params = {
    'embedding_dim': 128,
    'sqrt_embedding_dim': 128**(1/2),
    'encoder_layer_num': 6,
    'qkv_dim': 16,
    'head_num': 8,
    'logit_clipping': 10,
    'ff_hidden_dim': 512,
    'eval_type': 'argmax',
}

tester_params_regret = {
    'use_cuda': USE_CUDA,
    'cuda_device_num': CUDA_DEVICE_NUM,
    'model_load': {
        'path': '../../pretrained/vrp100',
        'epoch': 8100,
    },
    'test_episodes': 10000,
    'test_batch_size': 1000,
    'augmentation_enable': True,
    'aug_factor': 8,
    'aug_batch_size': 400,
    'test_data_load': {
        'enable': True,
        'filename': '../../../data/vrp100.pt'
    },
}

if tester_params_regret['augmentation_enable']:
    tester_params_regret['test_batch_size'] = tester_params_regret['aug_batch_size']

logger_params = {
    'log_file': {
        'desc': 'test__CVRP100',
        'filename': 'log.txt'
    }
}

##########################################################################################
# main

def main():

    if DEBUG_MODE:
        _set_debug_mode()

    create_logger(**logger_params)
    _print_config()


    tester_regret = Tester_regret(env_params=env_params,
                    model_params=model_params,
                    tester_params=tester_params_regret)

    copy_all_src(tester_regret.result_folder)

    tester_regret.run()


def _set_debug_mode():
    global tester_params_regret
    tester_params_regret['test_episodes'] = 100


def _print_config():
    logger = logging.getLogger('root')
    logger.info('DEBUG_MODE: {}'.format(DEBUG_MODE))
    logger.info('USE_CUDA: {}, CUDA_DEVICE_NUM: {}'.format(USE_CUDA, CUDA_DEVICE_NUM))
    [logger.info(g_key + "{}".format(globals()[g_key])) for g_key in globals().keys() if g_key.endswith('params')]



##########################################################################################

if __name__ == "__main__":
    main()