人工智能原生编程语言动静态图统一表达实验数据集

该数据集为了验证人工智能原生编程语言原型系统的一项核心设计——“动静态图统一表达”能力而构建，其意义在于展示该语言能够用一套代码逻辑，灵活地在解释执行的动态图模式和编译优化的静态图模式之间切换。数据集的产生方法是在多种硬件平台上，分别以动态图（Eager）和静态图（Graph）两种模式执行相同的神经网络模型测试脚本，并记录运行日志与计算图结构 。其主要内容包括针对Attention、LSTM、ResNet等模型的成对测试脚本（_eager.py和_graph.py）、记录两种模式运行结果的日志文件（_eager.log和_graph.log），以及可供分析的Graphviz计算图可视化文件（_forward.dot）。