DreamCoder 项目使用与启动指南

DreamCoder 项目使用与启动指南

ec 项目地址: https://gitcode.com/gh_mirrors/ec3/ec

1. 项目介绍

DreamCoder 是一个基于 wake-sleep 算法的开源项目，旨在自动找出解决特定任务集的程序。该项目采用 Python 和 OCaml 语言，通过不断地训练和迭代，生成能够处理特定域任务的程序代码。

2. 项目快速启动

克隆代码库

首先，您需要在本地环境中克隆该项目的代码库及其子模块：

git clone https://github.com/ellisk42/ec.git
cd ec
git submodule update --recursive --init

运行 Singularity 容器

如果您不希望本地安装所有依赖，可以使用 Singularity 容器。在项目根目录下构建容器：

sudo singularity build container.img singularity

然后，运行容器以打开一个新的 shell：

./container.img

或者在容器中运行特定任务：

singularity exec container.img python text.py <commandline arguments>

运行任务

项目提供了几个预定义的脚本来运行特定域的任务，这些脚本位于 bin/ 目录下。一般的使用方式是从项目根目录运行以下命令：

python bin/text.py <commandline arguments>

例如，运行以下命令查看帮助信息：

python bin/list.py --help

一个训练任务的示例命令可能是：

python text.py -t 20 -RS 5000

这将设置枚举超时和识别超时为20秒，并设置5000个识别步骤。

理解控制台输出

运行脚本后，控制台会输出任务启动信息，如下所示：

(python) Launching list(int) -> list(int) (1 tasks) w/ 1 CPUs. 15.000000 <= MDL < 16.500000. Timeout 10.201876.
...

接下来是算法匹配任务的结果，HIT 表示成功匹配，MISS 表示未找到合适的程序：

Generative model enumeration results:
HIT ...
MISS ...

3. 应用案例和最佳实践

• 文本编辑任务：使用 bin/text.py 脚本自动生成文本编辑任务并训练系统。
• 列表处理任务：使用 bin/list.py 脚本自动生成列表处理任务并训练系统。

更多案例和最佳实践请参考官方实验文档 docs/official_experiments。

4. 典型生态项目

• protonet-networks：用于支持 DreamCoder 的神经网络。
• rust_compressor：使用 Rust 语言编写的压缩工具。

以上指南将帮助您快速上手 DreamCoder 项目，开始自动程序生成的探索之旅。

ec 项目地址: https://gitcode.com/gh_mirrors/ec3/ec