Relucent：计算ReLU神经网络的多面体结构

用于计算ReLU神经网络激活区域多面体的Python库，支持分布式计算、2D/3D可视化、PyTorch兼容，以及NetworkX图对偶计算。

• 原作者/维护者: bl-ake (Blake B. Gaines)
• 来源平台: GitHub
• 原始标题: relucent
• 原始链接: https://github.com/bl-ake/relucent
• 发布时间: 2026年6月4日
• 相关论文: "Characterizing the Discrete Geometry of ReLU Networks" (ICLR 2026)

---

ReLU（Rectified Linear Unit）神经网络虽然在实践中表现出色，但其内部工作机制长期以来被视为"黑箱"。理解这些网络的几何结构对于解释模型行为、分析对抗样本敏感性、以及验证模型安全性至关重要。Relucent 是一个专门用于计算 ReLU 神经网络多面体结构的 Python 库，它揭示了神经网络如何将输入空间划分为多个线性区域（激活区域），每个区域对应网络的一种线性行为。

Relucent 使用局部搜索算法（BFS）计算 ReLU 网络的所有激活区域。与暴力枚举相比，这种方法通过从已知区域进行邻居探索，显著提高了计算效率。对于中等规模的网络，可以在合理时间内完成完整的多面体分解。

基于 Plotly 的交互式可视化功能，用户可以直观地查看：

• 激活区域的边界和形状
• 决策边界（decision boundaries）
• 网络的线性样条近似

这对于教学和研究中的直观理解非常有价值。

Relucent 能够直接接受 PyTorch 定义的神经网络，无需手动转换。只需将 nn.Sequential 或自定义模块传入 relucent.Complex，即可开始分析。

库可以计算多面体复形的对偶图，其中每个节点代表一个激活区域，边表示区域之间的邻接关系。这种图表示对于分析网络的分区结构非常有用。

基础版本（不含PyTorch）：

pip install relucent

完整版本（含PyTorch支持）：

pip install "relucent[torch]"