多语言深度学习框架中跨语言设计缺陷的自动检测
软件工程
2024-12-17 v1
摘要
如今，大多数深度学习框架（DLFs）使用Python和C/C++的多语言编程，促进了DLF的灵活性和性能。然而，不恰当的跨语言交互可能会引入涉及多种编程语言（PLs）的设计缺陷，即跨语言设计缺陷（ILDS）。尽管ILDS对多语言DLFs有负面影响，但缺乏自动检测多语言DLFs中ILDS的方法，以及对这些DLFs中ILDS的全面理解。本工作自动检测用Python和C/C++组合编写的多语言DLFs中的ILDS，并获取对DLFs中此类ILDS的理解。我们首先开发了一种自动检测用Python和C/C++组合编写的多语言DLFs中ILDS的方法，包括基于跨语言通信机制和代码分析定义的一系列ILDS及其检测规则。然后我们开发了CPSMELL工具，实现了自动检测此类ILDS的检测规则，并手动验证了工具的准确性。最后，我们进行了一项研究来评估多语言DLFs中的ILDS。我们提出了七种ILDS，并在5个流行的多语言DLFs中对CPSMELL的手动验证达到了98.17%的准确率。研究结果显示，在5个DLFs中，TensorFlow、PyTorch和PaddlePaddle表现出相对较高的ILDS普遍性；每个有缺陷的文件平均包含约5个ILDS实例，其中用于跨语言绑定的长Lambda函数和未使用的本地实体相对突出；在5个DLFs的演化过程中，一些ILDS得到了一定程度的解决，但ILDS实例的总数呈上升趋势。所提出的ILDS的自动检测达到了高准确率，该研究提供了对多语言DLFs中ILDS的全面理解。
引用
@article{arxiv.2412.11869,
title = {Automated Detection of Inter-Language Design Smells in Multi-Language Deep Learning Frameworks},
author = {Zengyang Li and Xiaoyong Zhang and Wenshuo Wang and Peng Liang and Ran Mo and Jie Tan and Hui Liu},
journal= {arXiv preprint arXiv:2412.11869},
year = {2024}
}
备注
Preprint accepted for publication in Information and Software Technology, 2024