KAN模型训练实操

通过搜索相关资料[1]， 找到了名为 pykan[2] 的 KAN（Kolmogorov Arnold Networks）的 Python 实现，看起来是目前 Star 数量最多的开源库框架。

项目提供了详细的文档 [3] 介绍了库中所有的类、方法和函数，并提供了使用示例，可帮助用户快速上手和深入了解该库的使用方法。

项目也提供了丰富的教程 [4]，涵盖了从基本到高级的各种主题，包括如何构建和训练 KAN 模型、如何使用 KAN 模型进行预测以及如何解释 KAN 模型等，为用户提供了逐步指南。

环境准备

接下里借助前文中提到的 Anaconda，先创建一个我们要测试的环境，从项目环境要求中，了解到需要 Python 3.9.7 以上的版本才可以，所以我这里创建的时候，选择的 3.9.21 版本。

稍等几分钟后，则可以创建一个 Python 运行环境，这里我命名为"KAN_TestEnv"，根据项目要求的所需工具包如下，

csharp
# python==3.9.7
matplotlib==3.6.2
numpy==1.24.4
scikit_learn==1.1.3
setuptools==65.5.0
sympy==1.11.1
torch==2.2.2
tqdm==4.66.2
pandas==2.0.1
seaborn
pyyaml

在 Anaconda 手动安装，我这里没有按照官方的方式，使用 pip 批量安装，因为我批量安装时，会有报错，某一个方法不存在，所以我怀疑是版本有问题，使用了手动安装的方式，按如下操作：

shell
pip install -r requirements.txt 

源码准备

去 pykan 项目仓库地址 [2]，直接将 master 下载下来，使用VS code 打开项目， 项目结构如下：

打开 hellokan.ipynb 文件，初次打开，需要安装 Jupyter 插件，直接安装就可以，然后就可以单步调试 Jupyter 的 Cell，此时需要选择调试环境，点击右上角的电脑图标就可以选择调试环境，可以看到刚才创建的 “KAN_TestEnv” 的环境，选择该环境。

运行示例

此时的准备工作就全部做完了，可以选择第一个可以运行的代码块，一步一步的调试，看一下输出结果，

相关链接

[1] https://github.com/mintisan/awesome-kan

[2] https://github.com/KindXiaoming/pykan

[3] https://kindxiaoming.github.io/pykan

[4] https://github.com/kindxiaoming/pykan/blob/master/tutorials