tensorflow-coder 0.0.2

张量流编码器（TF编码器）

TF Coder是一个程序综合工具，可以帮助您编写TensorFlow代码。 首先，该工具需要所需张量的输入输出示例 转变。然后，它运行一个组合搜索来找到张量流 执行该转换的表达式。TF编码器的输出是真实的 可以包含在项目中的TensorFlow代码。在

快速链接

Try TF-Coder!

TF编码器工具已经准备好在这个链接上使用了。一切都已经打包好了 在一个Colab笔记本上，所以不需要安装或下载。在

有关TF Coder的更多信息，请参阅以下文档：

• TF-Coder Tutorial：引导您使用TF Coder 解决张量操作任务，并提供如何充分利用 TF编码器。在
• User Journeys：说明了几个实际的场景 在这里，TF编码器可以帮助您在不同的 方式。在

目录

• What is TF-Coder?
• Tutorial and Further Reading
• Optional: Using TF-Coder Outside Colab
• Citation

什么是TF编码器？在

在操作张量时，必须跟踪多维张量 形状和数据类型的兼容性，当然还有数学正确性。 此外，还有数百个TensorFlow操作，并找到正确的 使用一个是一个挑战。在

TensorFlow编码器，或TF编码器，可以帮助您编写复杂的张量操作 TensorFlow公司。不用直接编写张量操作代码，您可以 通过一个说明性的输入输出示例来演示，TF编码器可以 自动生成相应的代码。TF编码器执行高效 对张量流运算组合的组合搜索，直到找到 与给定输入输出示例相匹配的张量流表达式。在

TF编码器允许您：

• TensorFlow程序实例
• 找到要使用的正确函数
• 以巧妙的方式自动组合函数
• 花更少的时间调试

TF编码器主要是为TensorFlow用户开发的工具。如果你只是想 要使用TF Coder作为工具，您不需要安装任何东西，因为该工具是这样的 随时可用于此 Colab notebook。在

注意事项

TF编码器有局限性。它目前可以找到涉及3-4个方面的解决方案 搜索一分钟内的操作，但涉及6个或更多的解决方案 操作太复杂，无法在合理的时间内找到。此外， TF编码器目前不支持复杂或字符串张量，或RaggedTensors。 支持的操作的完整列表可以在 Colab notebook。在

此外，TF Coder只保证其解决方案适用于给定的 输入输出示例。该工具搜索一个简单的TensorFlow表达式 与提供的输入输出示例相匹配，但有时此解决方案也是如此 简单，没有按预期的方式概括。这可能有助于 示例尽可能明确，这通常可以通过添加更多 输入和输出张量的数字。请查看TF Coder的解决方案 确保他们正确地实现了预期的行为。在

在Colab工具中，我们想记录给TF Coder和 结果解决方案，这样我们就可以改进工具并构建一个 总体上会加速程序综合研究，但是这个数据的收集 完全是可选的。在

教程和进一步阅读

有关TF Coder的更多信息，请参阅以下文档：

• TF-Coder Tutorial：引导您使用TF Coder 解决张量操作任务，并提供如何充分利用 TF编码器。在
• User Journeys：说明了几个实际的场景 在这里，TF编码器可以帮助您在不同的 方式。在
• Our research paper：描述 TF编码器背后的技术。在

可选：在Colab外部使用TF编码器

因为e TF Coder主要是一个开发工具，而不是您使用的库 在您的代码中，我们希望 Colab notebook 对于您的用例来说已经足够了。在

但是，如果您不想使用Colab笔记本，您仍然可以安装 TF Coder作为Python包自己：

pip install --user tf-coder

要将TF Coder搜索作为库运行，请按照中的代码示例进行操作 ^{}。在

要在基准测试中运行TF Coder，请运行：

@article{TFCoder,
    title={{TF-Coder}: Program Synthesis for Tensor Manipulations},
    author={Kensen Shi and David Bieber and Rishabh Singh},
    year={2020},
    url={https://arxiv.org/abs/2003.09040},
    archivePrefix={arXiv},
    eprint={2003.09040}
}