OFA-sudoku 解决方案

数独是什么？

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”。

快速玩起来

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])

OFA-sudoku 模型效果

Model	Params	Accurate
sudoku-netv2	30M	98.21
OFABase	180M	97.92
OFALarge	470M	99.81

OFA是什么？

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

OFA模型规模：

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

模型训练流程

训练数据介绍

本模型训练数据集是kaggle的sudoku数据集。

训练流程

finetune能力请参考OFA Tutorial 1.4节。

模型局限性以及可能的偏差

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。

相关论文以及引用信息

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}
}