数独是源自18世纪瑞士的一种数学游戏。是一种运用纸、笔进行演算的逻辑游戏。玩家需要根据9×9盘面上的已知数字,推理出所有剩余空格的数字,并满足每一行、每一列、每一个粗线宫(3*3)内的数字均含1-9,不重复。
数独盘面是个九宫,每一宫又分为九个小格。在这八十一格中给出一定的已知数字和解题条件,利用逻辑和推理,在其他的空格上填入1-9的数字。使1-9每个数字在每一行、每一列和每一宫中都只出现一次,所以又称“九宫格”。
玩转OFA只需区区以下数行代码,就是如此轻松!如果你觉得还不够方便,请点击右上角Notebook
按钮,我们为你提供了配备好的环境(可选CPU/GPU),你只需要在notebook里输入提供的代码,就可以把OFA玩起来了!
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys
ofa_pipe = pipeline(
Tasks.sudoku,
model='damo/ofa_sudoku_kaggle_large'
)
# 有效数字为1-9,要求解的数独位置采用0来初始化输入
# 列与列之间使用` : `分隔符,行与行之间使用` | `分隔符
text = '5 : 3 : 0 : 0 : 7 : 0 : 0 : 0 : 0 | \
6 : 0 : 0 : 1 : 9 : 5 : 0 : 0 : 0 | \
0 : 9 : 8 : 0 : 0 : 0 : 0 : 6 : 0 | \
8 : 0 : 0 : 0 : 6 : 0 : 0 : 0 : 3 | \
4 : 0 : 0 : 8 : 0 : 3 : 0 : 0 : 1 | \
7 : 0 : 0 : 0 : 2 : 0 : 0 : 0 : 6 | \
0 : 6 : 0 : 0 : 0 : 0 : 2 : 8 : 0 | \
0 : 0 : 0 : 4 : 1 : 9 : 0 : 0 : 5 | \
0 : 0 : 0 : 0 : 8 : 0 : 0 : 7 : 9'
result = ofa_pipe(text)
print(result[OutputKeys.TEXT])
Model | Params | Accurate |
---|---|---|
sudoku-netv2 | 30M | 98.21 |
OFABase | 180M | 97.92 |
OFALarge | 470M | 99.81 |
OFA(One-For-All)是通用多模态预训练模型,使用简单的序列到序列的学习框架统一模态(跨模态、视觉、语言等模态)和任务(如图片生成、视觉定位、图片描述、图片分类、文本生成等),详见我们发表于ICML 2022的论文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework,以及我们的官方Github仓库https://github.com/OFA-Sys/OFA。
Github  |  Paper   |  Blog
Model | Params-en | Params-zh | Backbone | Hidden size | Intermediate size | Num. of heads | Enc layers | Dec layers |
---|---|---|---|---|---|---|---|---|
OFATiny | 33M | - | ResNet50 | 256 | 1024 | 4 | 4 | 4 |
OFAMedium | 93M | - | ResNet101 | 512 | 2048 | 8 | 4 | 4 |
OFABase | 180M | 160M | ResNet101 | 768 | 3072 | 12 | 6 | 6 |
OFALarge | 470M | 440M | ResNet152 | 1024 | 4096 | 16 | 12 | 12 |
OFAHuge | 930M | - | ResNet152 | 1280 | 5120 | 16 | 24 | 12 |
本模型训练数据集是kaggle的sudoku数据集。
finetune能力请参考OFA Tutorial 1.4节。
训练数据集自身有局限,有可能产生一些偏差,请用户自行评测后决定如何使用。
如果你觉得OFA好用,喜欢我们的工作,欢迎引用:
@article{wang2022ofa,
author = {Peng Wang and
An Yang and
Rui Men and
Junyang Lin and
Shuai Bai and
Zhikang Li and
Jianxin Ma and
Chang Zhou and
Jingren Zhou and
Hongxia Yang},
title = {OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence
Learning Framework},
journal = {CoRR},
volume = {abs/2202.03052},
year = {2022}
}