基于深度学习的移动应用部署故障的实证研究
软件工程
2021-02-11 v2 人工智能
摘要
深度学习（DL）正逐渐进入越来越多的移动软件应用中。这些软件应用被称为基于 DL 的移动应用（简称移动 DL 应用），它们将使用大规模数据训练的 DL 模型与 DL 程序相集成。DL 程序编码了所需 DL 模型的结构以及利用训练数据训练该模型的过程。由于当前移动应用对 DL 的依赖日益增加，面向移动 DL 应用的软件工程（SE）已变得重要。然而，SE 研究界的现有工作主要聚焦于 DL 模型的开发，并广泛分析 DL 程序中的故障。相比之下，与 DL 模型在移动设备上部署相关的故障（称为移动 DL 应用的部署故障）尚未得到充分研究。由于移动 DL 应用已被数十亿终端用户每日用于包括安全关键场景在内的各种目的，刻画其部署故障具有极大重要性。为填补知识空白，本文提出了首个关于移动 DL 应用部署故障的全面研究。我们从 Stack Overflow 与 GitHub（两个常用于研究软件故障的数据源）中识别出 304 个真实部署故障。基于所识别的故障，我们构建了一个关于故障症状的由 23 个类别组成的细粒度分类体系，并提炼出针对不同故障类型的常见修复策略。此外，我们提出了可操作的启示与研究方向，以进一步促进 DL 模型在移动设备上的部署。
引用
@article{arxiv.2101.04930,
title = {An Empirical Study on Deployment Faults of Deep Learning Based Mobile Applications},
author = {Zhenpeng Chen and Huihan Yao and Yiling Lou and Yanbin Cao and Yuanqiang Liu and Haoyu Wang and Xuanzhe Liu},
journal= {arXiv preprint arXiv:2101.04930},
year = {2021}
}
备注
Accepted by the 43rd International Conference on Software Engineering (ICSE 2021). Please include ICSE in any citations