课程名称正在核实

课程名称正在核实。

学生自主实现专家和MoE路由,输入一张RGB图片,输出0=正常、1=异常,按正确率和推理时延评分。

混合专家 MoE专家设计稀疏路由二分类判断

一、方案模板

下载内容用途
下载参考组件(52.2 MiB)位置特征、方向特征与 Top-2 路由的参考实现,包含模型文件、源码、配置、校准结果和训练日志。用于学习专家分工、特征处理和路由配置。该包依赖配套框架,不能直接作为当前0/1评测的完整包提交。

二、开始上传

实验一独立自测环境 · pg01-v1

Python 3.12.3 · CUDA运行时 12.4 · NumPy 1.26.4

库已安装版本
PyTorch2.6.0+cu124
torchvision0.21.0+cu124
OpenCV(headless)4.10.0.84
timm1.0.20
scikit-learn1.5.2
Transformers4.57.1
PEFT0.17.1
其他已安装库版本(18项)
库已安装版本
NumPy1.26.4
Pillow10.4.0
SciPy1.14.1
matplotlib3.9.2
PyYAML6.0.2
tqdm4.67.1
requests2.32.3
psutil6.1.1
einops0.8.1
accelerate1.10.1
safetensors0.6.2
huggingface-hub0.35.3
tokenizers0.22.1
sentencepiece0.2.1
ONNX1.17.0
ONNX Runtime(CPU)1.20.1
protobuf5.29.3
setuptools78.1.0

环境路径、完整清单与使用方法 →

以上为已安装的开发与自测环境;现有在线评测隔离环境尚未切换。

提交一个完整程序ZIP,用于平台异常判断和时延评测。

查看文件格式

ZIP根目录直接放置 manifest.json、solution.py、README.md,并包含专家与路由实现、配置及需要的权重文件,不要再套一层文件夹。

solution.py 提供 load_model(model_dir),返回含 predict(rgb_image) 方法的对象;每次输入一张RGB图片,返回整数0(正常)或1(异常)。README.md 说明依赖和运行方法。

{
  "protocol": "liminaleye.rgb_moe.v2",
  "name": "my-moe",
  "version": "1.0.0",
  "entrypoint": "solution:load_model",
  "expert_ids": [
    "expert_a",
    "expert_b"
  ]
}

完整程序包

从新版模板迁移旧方案,将 manifest.json、solution.py 和 README.md 放在 ZIP 根目录。

下载新版程序包模板

包含入口程序、专家与路由源码、配置及运行所需文件;使用模型权重时一并打包。

请选择完整程序的 ZIP 文件。

上传后自动检查