文件名称：neural-rewriter:学习执行局部重写以进行组合优化
文件大小：447KB
文件格式：ZIP
更新时间：2024-04-01 19:25:20
Python
神经重写器 此仓库提供了重复本文中的实验的代码 Chen Xinyun Chen，Tian Yuandong Tian，学习为组合优化执行局部重写，在NeurIPS 2019中。 纸[ ] 先决条件 任务 表达式简化 为了简化表达式，给定一个初始表达式（在Halide中用于我们的评估），目标是找到一个等效的表达式，该表达式经过简化（例如，具有较短的长度）。 表现 我们将我们的方法（NeuRewriter）与以下基准进行比较： Z3简化[1]：Z3中实施的策略，该策略执行基于规则的重写。 Halide-rule [2]：基于Halide规则的重写器。 启发式搜索：使用Halide规则集进行波束搜索以找到最短的重写表达式。 Z3-ctx-solver-simplify [1]：Z3中实现的策略，该策略调用求解器以查找简化的等效表达式。 在该图中， Average express
【文件预览】：
neural-rewriter-master
----figs()
--------expression_simplification.png(82KB)
--------vehicle_routing.png(96KB)
--------job_scheduling.png(233KB)
----data_generator()
--------jspDatagen.py(4KB)
--------vrpDatagen.py(2KB)
----LICENSE(19KB)
----CONTRIBUTING.md(1KB)
----src()
--------models()
--------run_Halide.py(4KB)
--------run_vrp.py(3KB)
--------Halide_search.py(4KB)
--------arguments.py(5KB)
--------jsp_nonNN_baselines.py(7KB)
--------run_jsp.py(4KB)
--------.gitignore(12B)
----.gitignore(19B)
----CODE_OF_CONDUCT.md(243B)
----README.md(6KB)