东莞网站建设周期,塘厦做网站,温州seo,网站属性上一篇#xff1a;基于Transformer的路径规划 - 第四篇 GPT模型优化 在上一篇中#xff0c;我尝试优化GPT路径生成模型#xff0c;但没有成功。在随机生成的测试集上#xff0c;路径规划成功率只有99%左右。而使用传统的路径规划算法#xff0c;例如A*#xff0c;路径规划…上一篇基于Transformer的路径规划 - 第四篇 GPT模型优化 在上一篇中我尝试优化GPT路径生成模型但没有成功。在随机生成的测试集上路径规划成功率只有99%左右。而使用传统的路径规划算法例如A*路径规划成功率能达到100%。显然如果想让模型具备一定的实用价值还需要继续提升指标。在本篇中我将尝试通过优化GPT生成策略在有些文章中又称为解码策略来提升路径规划成功率。
我们将生成的路径用Tree来表示在贪心搜索中每次选择置信度最大的节点因此只会生成一条路径。如果考虑置信度大于设定阈值ε的所有节点那会是什么情况呢
以下图为例 若使用贪心搜索生成的路径会发生碰撞如下图所示 若考虑置信度大于0.1的所有节点则可以生成7条路径如下图所示 可视化结果如下 可以看到除了贪心搜索得到的路径发生了碰撞外其它6条路径都是正确的。
这个实验结果让人看到了GPT模型在路径规划问题上的潜力我们可以设置更低的阈值ε一次生成多条路径然后选择最好的一条路径这样路径规划成功率就逼近100%了。 实验总结
基于Transformer的模型至少能够解决简单的路径规划问题GPT生成模型需要搭配合适的生成策略才能挖掘出模型的潜力
全篇完
原文链接 请勿转载
