抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
DLフレームワークは,すべてのDLプログラムとモデルの構築の基礎であり,従って,それらのバグは,任意のDLプログラムの予想外の挙動またはそれらに依存するモデルを導くことができた。このような広い効果は,DLフレームワークの品質を保証する必要性と重要性を示す。DLフレームワークバグの特性を理解することは,この品質保証タスクの基本的ステップであり,効果的なバグ検出とデバッギング手法の設計を容易にする。したがって,本研究では,4つの一般的で多様なDLフレームワーク(すなわち,TensorFlow,PyTorch,MXNet,およびDL4J)からの1000のバグに関する最も大規模な研究を行う。DLフレームワークから分解した5つの成分に関連したDLフレームワークバグのルート原因と症状を分析し,また3つの最先端の試験技術によって達成された試験範囲を測定することで,著者らはDLフレームワークバグの包括的な理解と既存のDLフレームワーク試験実践の現在の状態に関する12の主要な発見を得て,次に,より良いDLフレームワークバグ検出とデバッギングのための一連の作用可能なガイドラインを提供した。最後に,ガイドラインに基づいて,プロトタイプDLフレームワーク試験ツールを設計,実装し,それは,予備的研究において最新のTensorFlowフレームワーク上で3つの未知バグを有効かつ発見し,著者らのガイドラインの重要性を示す。【JST・京大機械翻訳】