EDA-AI 开源项目教程

EDA-AI 开源项目教程

EDA-AIImplementation of NeurIPS 2021 paper "On Joint Learning for Solving Placement and Routing in Chip Design" & NeurIPS 2022 paper "The Policy-gradient Placement and Generative Routing Neural Networks for Chip Design".项目地址:https://gitcode.com/gh_mirrors/ed/EDA-AI

1. 项目的目录结构及介绍

EDA-AI/
├── data/
│   ├── processed/
│   └── raw/
├── docs/
├── notebooks/
├── src/
│   ├── __init__.py
│   ├── data/
│   ├── models/
│   └── visualization/
├── tests/
├── .gitignore
├── LICENSE
├── README.md
├── requirements.txt
└── setup.py

• data/: 存放数据文件，包括原始数据和处理后的数据。
  • processed/: 处理后的数据。
  • raw/: 原始数据。
• docs/: 项目文档。
• notebooks/: Jupyter notebooks，用于数据分析和实验。
• src/: 源代码目录。
  • data/: 数据处理相关代码。
  • models/: 模型相关代码。
  • visualization/: 数据可视化相关代码。
• tests/: 测试代码。
• .gitignore: Git忽略文件配置。
• LICENSE: 项目许可证。
• README.md: 项目说明文档。
• requirements.txt: 项目依赖包。
• setup.py: 项目安装脚本。

2. 项目的启动文件介绍

项目的启动文件通常是 src/ 目录下的主文件，例如 src/main.py。该文件负责初始化项目并启动主要功能。以下是一个示例启动文件的内容：

# src/main.py

import os
from src.data.make_dataset import make_dataset
from src.models.train_model import train_model
from src.visualization.visualize import visualize

def main():
    print("项目启动...")
    # 数据处理
    make_dataset()
    # 模型训练
    train_model()
    # 数据可视化
    visualize()

if __name__ == "__main__":
    main()

3. 项目的配置文件介绍

项目的配置文件通常是 config.yaml 或 config.json，用于存储项目的各种配置参数。以下是一个示例配置文件的内容：

# config.yaml

data:
  raw_path: "data/raw"
  processed_path: "data/processed"

model:
  epochs: 10
  batch_size: 32

visualization:
  output_path: "reports/figures"

在代码中读取配置文件的示例：

# src/config.py

import yaml

def load_config(config_path="config.yaml"):
    with open(config_path, "r") as f:
        config = yaml.safe_load(f)
    return config

config = load_config()

通过这种方式，可以在项目中统一管理配置参数，便于维护和修改。

EDA-AIImplementation of NeurIPS 2021 paper "On Joint Learning for Solving Placement and Routing in Chip Design" & NeurIPS 2022 paper "The Policy-gradient Placement and Generative Routing Neural Networks for Chip Design".项目地址:https://gitcode.com/gh_mirrors/ed/EDA-AI