Ce projet vise à extraire des modes d’utilisation de l’interface de programmation (API) dans le code de modèles d’apprentissage profond afin de soutenir le processus de certification. Nous nous concentrons actuellement sur la librairie TensorFlow.
En extrayant les modèles d’utilisation des API à partir d’un grand référentiel de projets d’apprentissage profond, nous visons à découvrir des séquences fréquemment co-occurrentes d’API appelées pour chaque étape du pipeline d’apprentissage profond. Nous cherchons ainsi à atteindre trois objectifs différents : la reconnaissance, la confiance et la détection de mauvais usage. Le premier objectif du projet est de détecter ou de reconnaître ce que fait un morceau de code d’apprentissage profond. Deuxièmement, la connaissance du modèle d’utilisation de l’API renforcera notre confiance dans le code, s’il suit l’un des modèles bien connus de l’apprentissage profond. Troisièmement, notre travail permettra de soulever une erreur lorsque le développeur manque une section de code lorsqu’il utilise un modèle bien connu. L’atteinte de ces trois objectifs contribuera à la certifiabilité du code en apprentissage profond.
Équipe du projet
Jeux de données utilisées dans le cadre du projet