研究TensorFlow和PyTorch绑定对机器学习软件质量的影响
软件工程
2024-07-16 v1 人工智能
摘要
机器学习框架（如TensorFlow和PyTorch）的绑定允许开发者使用不同于框架默认语言（通常是Python）的编程语言来集成框架的功能。在本文中，我们研究了在C#、Rust、Python和JavaScript中使用TensorFlow和PyTorch绑定，在五个广泛使用的深度学习模型上进行训练和推理时，对软件质量（正确性：训练和测试准确率；时间成本：训练和推理时间）的影响。我们的实验表明，一个模型可以在一个绑定中训练，并在同一框架的另一个绑定中用于推理，而不会损失准确率。我们的研究首次表明，与默认的Python绑定相比，使用非默认绑定可以在实现相同正确性水平的同时，从时间成本角度帮助提高机器学习软件质量。
引用
@article{arxiv.2407.05466,
title = {Studying the Impact of TensorFlow and PyTorch Bindings on Machine Learning Software Quality},
author = {Hao Li and Gopi Krishnan Rajbahadur and Cor-Paul Bezemer},
journal= {arXiv preprint arXiv:2407.05466},
year = {2024}
}