配置文件 config.json 详解

config.json 是 GPTFF 模型训练的核心配置文件，用于精确控制训练过程的各项参数。文件采用 JSON 格式，分为 training 和 data 两个主要部分。

一、training 部分：训练参数

这部分包含了与模型训练过程直接相关的参数，如网络结构、优化器设置、硬件配置等。

• workers:

  • 说明: 数据加载时使用的工作线程数。增加此值可以加快数据预处理速度，但会消耗更多CPU和内存。
  • 类型: integer
  • 示例: 20

• epochs:

  • 说明: 训练的总轮数。一个 epoch 表示模型完整遍历一次整个训练数据集。
  • 类型: integer
  • 示例: 1000

• batch_size:

  • 说明: 每批次训练的样本数量。此值影响内存（特别是GPU显存）使用和训练速度。如果遇到内存不足的错误，应减小此值。
  • 类型: integer
  • 示例: 32

• learning_rate:

  • 说明: 学习率，控制模型参数更新的步长。是训练中最重要的超参数之一，对收敛速度和最终性能有决定性影响。
  • 类型: float
  • 示例: 1e-3

• weight_decay:

  • 说明: 权重衰减（L2正则化）系数。用于防止模型过拟合，通过惩罚过大的权重值来实现。
  • 类型: float
  • 示例: 1e-4

• node_feature_len:

  • 说明: 图神经网络中节点特征向量的维度。
  • 类型: integer
  • 示例: 64

• edge_feature_len:

  • 说明: 图神经网络中边特征向量的维度。
  • 类型: integer
  • 示例: 64

• n_layers:

  • 说明: 图神经网络的层数。增加层数可以提升模型的表达能力，但也可能导致过拟合和梯度消失问题。
  • 类型: integer
  • 示例: 3

• n_readout_layers:

  • 说明: 读出（Readout）阶段的神经网络层数，用于从图表示中预测最终的能量、力等属性。
  • 类型: integer
  • 示例: 3

• warmup_steps:

  • 说明: 在训练初期，学习率从一个较低的值线性增加到设定值的步数。有助于训练初期的稳定性。
  • 类型: integer
  • 示例: 0 (表示不使用warmup)

• device:

  • 说明: 指定训练使用的计算设备。可选值为 "cuda" (使用NVIDIA GPU) 或 "cpu"。
  • 类型: string
  • 示例: "cuda"

• val_fold:

  • 说明: 指定交叉验证中用作验证集的折（fold）的编号。例如，如果数据被分为5折，此值可以是0到4。
  • 类型: integer
  • 示例: 0

• resume:

  • 说明: 是否从上一个检查点（checkpoint）恢复训练。如果为 true，训练将从最后保存的状态继续。
  • 类型: boolean
  • 示例: false

• transformer_activate:

  • 说明: 是否在模型中激活 Transformer 模块。这是一个实验性功能。
  • 类型: boolean
  • 示例: false

• start_epoch:

  • 说明: 训练的起始轮数。主要在恢复训练时使用，以确保日志和学习率调度正确。
  • 类型: integer
  • 示例: 0

• weight_energy:

  • 说明: 损失函数中能量项的权重。用于平衡不同物理量（能量、力、应力）在总损失中的贡献。
  • 类型: float
  • 示例: 1.0

• weight_force:

  • 说明: 损失函数中力项的权重。
  • 类型: float
  • 示例: 1.0

• weight_stress:

  • 说明: 损失函数中应力项的权重。
  • 类型: float
  • 示例: 1.0

二、data 部分：数据路径

这部分定义了训练数据的来源。

• data_path:

  • 说明: 训练数据文件所在的目录路径。
  • 类型: string
  • 示例: "./" (表示当前目录)

• data_file:

  • 说明: 训练数据集的CSV文件名。
  • 类型: string
  • 示例: "training_dataset.csv"