論文の概要: A Library for Representing Python Programs as Graphs for Machine
Learning
- arxiv url: http://arxiv.org/abs/2208.07461v1
- Date: Mon, 15 Aug 2022 22:36:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-17 13:06:36.777451
- Title: A Library for Representing Python Programs as Graphs for Machine
Learning
- Title(参考訳): 機械学習のためのグラフとしてpythonプログラムを表現するライブラリ
- Authors: David Bieber, Kensen Shi, Petros Maniatis, Charles Sutton, Vincent
Hellendoorn, Daniel Johnson, Daniel Tarlow
- Abstract要約: 我々はPythonプログラムのグラフ表現に静的解析を適用するオープンソースのPythonライブラリpython_graphsを紹介した。
図書館の能力と限界を提示し、このライブラリを何百万もの競合するプログラムに応用するケーススタディを実行し、このライブラリが機械学習研究に有効であることを示す。
- 参考スコア(独自算出の注目度): 39.483608364770824
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Graph representations of programs are commonly a central element of machine
learning for code research. We introduce an open source Python library
python_graphs that applies static analysis to construct graph representations
of Python programs suitable for training machine learning models. Our library
admits the construction of control-flow graphs, data-flow graphs, and composite
``program graphs'' that combine control-flow, data-flow, syntactic, and lexical
information about a program. We present the capabilities and limitations of the
library, perform a case study applying the library to millions of competitive
programming submissions, and showcase the library's utility for machine
learning research.
- Abstract(参考訳): プログラムのグラフ表現は一般的に、コード研究における機械学習の中心的な要素である。
我々はPythonライブラリpython_graphsを導入し、静的解析を適用して、機械学習モデルのトレーニングに適したPythonプログラムのグラフ表現を構築する。
本ライブラリは,制御フロー,データフロー,構文,およびプログラムの語彙情報を組み合わせた制御フローグラフ,データフローグラフ,複合 'プログラムグラフ' の構築を認めている。
図書館の能力と限界を提示し、このライブラリを何百万もの競合するプログラムに応用するケーススタディを実行し、このライブラリが機械学習研究に有効であることを示す。
関連論文リスト
- pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳(メタデータ) (2024-03-12T16:46:54Z) - TrueLearn: A Python Library for Personalised Informational
Recommendations with (Implicit) Feedback [4.575111313202425]
この研究は、オンライン学習ベイズモデルのファミリーを含むTrueLearn Pythonライブラリについて説明する。
解釈可能性とユーザ制御のために、TrueLearnライブラリにはさまざまな表現が含まれており、エンドユーザーが学習者のモデルを視覚化するのに役立つ。
論文 参考訳(メタデータ) (2023-09-20T07:21:50Z) - Causal-learn: Causal Discovery in Python [53.17423883919072]
因果発見は、観測データから因果関係を明らかにすることを目的としている。
$textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
論文 参考訳(メタデータ) (2023-07-31T05:00:35Z) - PyRelationAL: A Library for Active Learning Research and Development [0.11545092788508224]
PyRelationALは、アクティブラーニング(AL)研究のためのオープンソースライブラリである。
既存の文献に基づいたベンチマークデータセットとALタスク設定へのアクセスを提供する。
我々は、ベンチマークデータセットのPyRelationALコレクションの実験を行い、ALが提供できる相当な経済状況を示す。
論文 参考訳(メタデータ) (2022-05-23T08:21:21Z) - PyGOD: A Python Library for Graph Outlier Detection [71.8385116214495]
PyGODは、グラフデータ上の外れ値を検出するオープンソースライブラリである。
コードの信頼性と保守性を向上するためのベストプラクティスを備えている。
論文 参考訳(メタデータ) (2022-04-26T06:15:21Z) - Python for Smarter Cities: Comparison of Python libraries for static and
interactive visualisations of large vector data [0.0]
Pythonは簡潔で自然な構文を持ち、コンピュータサイエンスの背景を持たない市町村のスタッフにとって参入障壁は低い。
本研究では,大規模ベクトルデータセットの可視化生成に関して,Pythonエコシステムにおける顕著かつ活発に開発された可視化ライブラリを評価する。
短いリストのライブラリはすべて、小さなデータセットと大きなデータセットの両方のサンプルマップ製品を生成することができた。
論文 参考訳(メタデータ) (2022-02-26T10:23:29Z) - Efficient Graph Deep Learning in TensorFlow with tf_geometric [53.237754811019464]
グラフ深層学習のための効率的でフレンドリなライブラリであるtf_geometricを導入する。
tf_geometricは、人気のあるGNNの実装と同様に、グラフニューラルネットワーク(GNN)を構築するためのカーネルライブラリを提供する。
カーネルライブラリは、グラフデータ構造、グラフマップ-リデュースフレームワーク、グラフミニバッチ戦略など、効率的なGNNを構築するためのインフラストラクチャで構成されている。
論文 参考訳(メタデータ) (2021-01-27T17:16:36Z) - Picasso: A Sparse Learning Library for High Dimensional Data Analysis in
R and Python [77.33905890197269]
本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。
ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
論文 参考訳(メタデータ) (2020-06-27T02:39:24Z) - ktrain: A Low-Code Library for Augmented Machine Learning [0.0]
ktrainはローコードPythonライブラリで、機械学習をよりアクセスしやすく、適用しやすくする。
初心者と経験豊富な実践者の両方が構築し、トレーニングし、検査し、適用するための、洗練された最先端の機械学習モデルを簡単にするように設計されている。
論文 参考訳(メタデータ) (2020-04-19T14:18:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。