neural rewriter:学习执行局部重写以进行组合优化 源码
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
文件列表
neural-rewriter-master.zip
(预估有个41文件)
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
暂无评论