DLPaper2Code：从深度学习研究论文自动生成代码
机器学习
2017-11-13 v1 人工智能
机器学习
摘要
随着深度学习研究论文的大量涌现，现有工作的可复现性或采纳成为一项挑战。这是由于作者缺乏开源实现所致。此外，在不同库中重新实现研究论文是一项艰巨任务。为应对这些挑战，我们提出了一种新颖可扩展的方法 DLPaper2Code，以提取并理解研究论文中可用的深度学习设计流程图与表格，并将其转换为抽象计算图。所提取的计算图随后被实时转换为 Keras 与 Caffe 中可执行的源代码。我们创建了一个类似 arXiv 的网站，其中自动生成的设计对 5,000 篇研究论文公开可用。所生成的设计可通过直观的拖放 UI 框架以众包方式被评级与编辑。为评估我们的方法，我们使用手动定义的语法创建了包含超过 216,000 个有效设计可视化的模拟数据集。在模拟数据集上的实验表明，所提框架在流程图内容提取上提供了超过 的准确率。
引用
@article{arxiv.1711.03543,
title = {DLPaper2Code: Auto-generation of Code from Deep Learning Research Papers},
author = {Akshay Sethi and Anush Sankaran and Naveen Panwar and Shreya Khare and Senthil Mani},
journal= {arXiv preprint arXiv:1711.03543},
year = {2017}
}
备注
AAAI2018