astroautomata/SymTorch

它解决了什么问题

SymTorch 通过允许用户使用符号方程来近似特定模型组件的行为，解决了深度学习模型的「黑箱」问题。这一过程被称为符号蒸馏，有助于使神经网络复杂的内部运作更加可解释。

它如何工作

该框架利用 PySR（符号回归）来寻找能够模仿深度学习模型中组件行为的数学表达式。

适用于谁

需要理解深度学习模型组件背后数学逻辑的研究人员和开发者，或希望对神经网络进行符号蒸馏的人。

主要特点

• 符号近似：使用 PySR 将深度学习组件转换为可读的符号方程。
• 符号蒸馏：提供一个专门设计用于将深度神经网络蒸馏为符号形式的框架。
• PyTorch 集成：作为 Python 包（torch-symbolic）提供，可在 PyTorch 生态系统中使用。