expr.py

   1 #!/usr/bin/env python
   2
   3 import math, re
   4
   5 import torch, torchvision
   6
   7 from torch import nn
   8 from torch.nn import functional as F
   9
  10
  11 def random_var(nb_variables=None, variables=None):
  12     if variables is None:
  13         return chr(ord("A") + torch.randint(nb_variables, (1,)).item())
  14     else:
  15         l = list(variables)
  16         return l[torch.randint(len(l), (1,)).item()]
  17
  18
  19 def random_expr(variables, budget):
  20     if budget <= 5:
  21         op = torch.randint(2, (1,)).item()
  22         if op == 0 and len(variables) > 0:
  23             return random_var(variables=variables)
  24         else:
  25             return str(torch.randint(10, (1,)).item())
  26     else:
  27         op = torch.randint(3, (1,)).item()
  28         if op == 0:
  29             e = random_expr(variables, budget - 2)
  30             if ("+" in e or "-" in e or "*" in e) and (e[0] != "(" or e[-1] != ")"):
  31                 return "(" + e + ")"
  32             else:
  33                 return e
  34         else:
  35             b = 2 + torch.randint(budget - 5, (1,)).item()
  36             e1 = random_expr(variables, b)
  37             e2 = random_expr(variables, budget - b - 1)
  38             if op == 1:
  39                 return e1 + "+" + e2
  40             elif op == 2:
  41                 return e1 + "*" + e2
  42
  43
  44 def generate_program(nb_variables, length):
  45     s = ""
  46     variables = set()
  47
  48     while len(s) < length:
  49         v = random_var(nb_variables=nb_variables)
  50         s += v + "=" + random_expr(variables, budget=20) + ";"
  51         variables.add(v)
  52
  53     return s, variables
  54
  55
  56 def extract_results(seq):
  57     f = lambda a: (a[0], -1 if a[1] == "" else int(a[1]))
  58     results = [
  59         dict([f(tuple(x.split(":"))) for x in re.findall("[A-Z]:[0-9]*", s)])
  60         for s in seq
  61     ]
  62     return results
  63
  64
  65 def generate_sequences(nb, nb_variables=5, length=20):
  66     assert nb_variables <= 26
  67     sequences = []
  68     result_max = 99
  69
  70     for n in range(nb):
  71         # We take length itself half of the time, and uniform between
  72         # 1 and length otherwise. The actual length can be slightly
  73         # greater
  74
  75         l = min(length, 1 + torch.randint(length * 2, (1,)).item())
  76         result = None
  77         while result == None or max(result.values()) > result_max:
  78             p, v = generate_program(nb_variables, l)
  79             v = ", ".join(['"' + v + '": ' + v for v in v])
  80             ldict = {}
  81             exec(p + "result={" + v + "}", globals(), ldict)
  82             result = ldict["result"]
  83
  84         k = list(result.keys())
  85         k.sort()
  86         sequences.append(p + " " + "".join([v + ":" + str(result[v]) + ";" for v in k]))
  87
  88     return sequences
  89
  90
  91 if __name__ == "__main__":
  92     import time
  93
  94     start_time = time.perf_counter()
  95     sequences = generate_sequences(1000, length=40)
  96     end_time = time.perf_counter()
  97     for s in sequences[:10]:
  98         print(s)
  99     print(f"{len(sequences) / (end_time - start_time):.02f} samples per second")
 100
 101     print(extract_results(sequences[:10]))