关于机器学习模型商店的探索性研究
软件工程
2020-02-27 v3
摘要
人工智能尤其是机器学习（ML）的最新进展，已将先前被视为科幻的应用（例如虚拟个人助理与自动驾驶汽车）带入数百万日常用户可及的范围。由于像深度学习这样的现代 ML 技术构建定制模型需要相当的技术专长与资源，复用专家训练好的现有模型已变得必不可少。这正是过去一年引入模型商店的原因——其类似于移动应用商店，为组织与开发者提供对预训练模型及/或其代码的访问，以训练、评估并预测样本。本文对三个流行模型商店（AWS marketplace、Wolfram neural net repository 与 ModelDepot）开展探索性研究，将模型商店提供的信息元素（特性与策略）与两个流行移动应用商店（Google Play 与 Apple's App Store）所用者进行比较。我们发现模型信息元素在不同模型商店间存在差异，65% 的元素为所研究三个商店共有。模型商店与移动应用商店共有五个信息元素，而八个元素为模型商店独有，四个元素为应用商店独有。仅有少数模型在多个模型商店上可用。我们的发现有助于更好地理解 ML 模型与“常规”源代码组件或应用之间的差异，并为识别针对 ML 应用的软件工程实践（例如需求与交付中）提供启发。
引用
@article{arxiv.1905.10677,
title = {An Exploratory Study on Machine Learning Model Stores},
author = {Minke Xiu and Zhen Ming and Jiang and Bram Adams},
journal= {arXiv preprint arXiv:1905.10677},
year = {2020}
}