Buchumschlag

Studying the Impact of TensorFlow and PyTorch Bindings on Machine Learning Software Quality

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Hao, Rajbahadur, Gopi Krishnan, Bezemer, Cor-Paul
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Keeping Deep Learning Models in Check: A History-Based Approach to Mitigate Overfitting
von: Li, Hao, et al.
Veröffentlicht: (2024)

Characterising Open Source Co-opetition in Company-hosted Open Source Software Projects: The Cases of PyTorch, TensorFlow, and Transformers
von: Osborne, Cailean, et al.
Veröffentlicht: (2024)

Bridging the Language Gap: An Empirical Study of Bindings for Open Source Machine Learning Libraries Across Software Package Ecosystems
von: Li, Hao, et al.
Veröffentlicht: (2022)

Data Quality Antipatterns for Software Analytics
von: Bhatia, Aaditya, et al.
Veröffentlicht: (2024)

Software Engineering and Foundation Models: Insights from Industry Blogs Using a Jury of Foundation Models
von: Li, Hao, et al.
Veröffentlicht: (2024)

From Code Smells to Best Practices: Tackling Resource Leaks in PyTorch, TensorFlow, and Keras
von: Abdallah, Bashar, et al.
Veröffentlicht: (2025)

Edit, But Verify: An Empirical Audit of Instructed Code-Editing Benchmarks
von: Ebrahimi, Amir M., et al.
Veröffentlicht: (2026)

From Hugging Face to GitHub: Tracing License Drift in the Open-Source AI Ecosystem
von: Jewitt, James, et al.
Veröffentlicht: (2025)

Demystifying the Silence of Correctness Bugs in PyTorch Compiler
von: Li, Meiziniu, et al.
Veröffentlicht: (2026)

A Multi-agent AI System for Deep Learning Model Migration from TensorFlow to JAX
von: Nikolov, Stoyan, et al.
Veröffentlicht: (2026)

From Cool Demos to Production-Ready FMware: Core Challenges and a Technology Roadmap
von: Rajbahadur, Gopi Krishnan, et al.
Veröffentlicht: (2024)

Permissive-Washing in the Open AI Supply Chain: A Large-Scale Audit of License Integrity
von: Jewitt, James, et al.
Veröffentlicht: (2026)

MIP Candy: A Modular PyTorch Framework for Medical Image Processing
von: Fu, Tianhao, et al.
Veröffentlicht: (2026)

LicenseGPT: A Fine-tuned Foundation Model for Publicly Available Dataset License Compliance
von: Tan, Jingwen, et al.
Veröffentlicht: (2024)

SimClone: Detecting Tabular Data Clones using Value Similarity
von: Yang, Xu, et al.
Veröffentlicht: (2024)

Exploring the Capabilities of Vision-Language Models to Detect Visual Bugs in HTML5 <canvas> Applications
von: Macklon, Finlay, et al.
Veröffentlicht: (2025)

A Systematic Literature Review of Software Engineering Research on Jupyter Notebook
von: Siddik, Md Saeed, et al.
Veröffentlicht: (2025)

Rethinking Software Engineering in the Foundation Model Era: A Curated Catalogue of Challenges in the Development of Trustworthy FMware
von: Hassan, Ahmed E., et al.
Veröffentlicht: (2024)

KHNNs: hypercomplex neural networks computations via Keras using TensorFlow and PyTorch
von: Niemczynowicz, Agnieszka, et al.
Veröffentlicht: (2024)

SPICE: An Automated SWE-Bench Labeling Pipeline for Issue Clarity, Test Coverage, and Effort Estimation
von: Oliva, Gustavo A., et al.
Veröffentlicht: (2025)

Performance comparison of medical image classification systems using TensorFlow Keras, PyTorch, and JAX
von: Bećirović, Merjem, et al.
Veröffentlicht: (2025)

The Hitchhikers Guide to Production-ready Trustworthy Foundation Model powered Software (FMware)
von: Vasilevski, Kirill, et al.
Veröffentlicht: (2025)

One Documentation Does Not Fit All: Case Study of TensorFlow Documentation
von: Thirimanne, Sharuka Promodya, et al.
Veröffentlicht: (2025)

Implementing AI Bill of Materials (AI BOM) with SPDX 3.0: A Comprehensive Guide to Creating AI and Dataset Bill of Materials
von: Bennet, Karen, et al.
Veröffentlicht: (2025)

VideoGameBunny: Towards vision assistants for video games
von: Taesiri, Mohammad Reza, et al.
Veröffentlicht: (2024)

A Comparative Survey of PyTorch vs TensorFlow for Deep Learning: Usability, Performance, and Deployment Trade-offs
von: Alawi, Zakariya Ba
Veröffentlicht: (2025)

Automated Bug Frame Retrieval from Gameplay Videos Using Vision-Language Models
von: Lu, Wentao, et al.
Veröffentlicht: (2025)

Assessing the Feasibility of Selective Instrumentation for Runtime Code Coverage in Large C++ Game Engines
von: Gauk, Ian, et al.
Veröffentlicht: (2026)

The Role of Artificial Intelligence and Machine Learning in Software Testing
von: Ramadan, Ahmed, et al.
Veröffentlicht: (2024)

Quality Model for Machine Learning Components
von: Lewis, Grace A., et al.
Veröffentlicht: (2026)

The Impact of Software Testing with Quantum Optimization Meets Machine Learning
von: Bandarupalli, Gopichand
Veröffentlicht: (2025)

GraphMend: Code Transformations for Fixing Graph Breaks in PyTorch 2
von: Kashmira, Savini, et al.
Veröffentlicht: (2025)

A Partial Replication of MaskFormer in TensorFlow on TPUs for the TensorFlow Model Garden
von: Purohit, Vishal, et al.
Veröffentlicht: (2024)

Model Context Protocol (MCP) at First Glance: Studying the Security and Maintainability of MCP Servers
von: Hasan, Mohammed Mehedi, et al.
Veröffentlicht: (2025)

An Empirical Study of Testing Practices in Open Source AI Agent Frameworks and Agentic Applications
von: Hasan, Mohammed Mehedi, et al.
Veröffentlicht: (2025)

Model Context Protocol (MCP) Tool Descriptions Are Smelly! Towards Improving AI Agent Efficiency with Augmented MCP Tool Descriptions
von: Hasan, Mohammed Mehedi, et al.
Veröffentlicht: (2026)

A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research
von: Cao, Sicong, et al.
Veröffentlicht: (2024)

LTNtorch: PyTorch Implementation of Logic Tensor Networks
von: Carraro, Tommaso, et al.
Veröffentlicht: (2024)

QualityFlow: An Agentic Workflow for Program Synthesis Controlled by LLM Quality Checks
von: Hu, Yaojie, et al.
Veröffentlicht: (2025)

PyTorch-based Geometric Learning with Non-CUDA Processing Units: Experiences from Intel Gaudi-v2 HPUs
von: Bu, Fanchen, et al.
Veröffentlicht: (2025)