Study data

将命令式深度学习程序迁移到图形执行的挑战：一项实证研究 文件描述 文件描述 commit_categorizations.csv 我们数据集中提交的分类。 commits.csv 我们数据集中的提交信息 datasets.csv 包含我们数据集的名称和描述。 issue_categorizations.csv 从我们的数据集中选择的问题的分类。 issues.csv 我们数据集中问题的信息。 pipeline_stages.csv DL 管道阶段及其各自的描述。 question_categories.csv 问题类别及其各自的描述。 issue_causes.csv 问题原因及其各自的描述。 problem_fixes.csv 问题修复及其各自的描述。 problem_symptoms.csv 问题症状及其各自的描述。 study_subjects_commits.csv 提交的项目数据。 study_subjects_issues.csv 问题的项目数据。列说明 commit_categorizations.csv 列说明 tf.function 相关修复？当找到与 tf.function 相关的错误修复时为 TRUE，否则为 FALSE。如果为 FALSE，则后续列值将为空。发现问题修复的阶段 DL 管道阶段。 issue_categorizations.csv 列说明 tf.function 相关问题？当发现与 tf.function 相关的错误时为 TRUE，否则为 FALSE。如果为 FALSE，则后续列值将为空。发现问题的阶段 DL 管道阶段。 GH_id GitHub 问题唯一标识符。 issues.csv 列 描述 GH_id GitHub 问题唯一标识符。

搜集汇总

背景与挑战

背景概述

该数据集基于一项实证研究，聚焦于将命令式深度学习程序迁移到图形执行过程中所遇到的挑战，包含提交信息、问题分类和DL管道阶段等多个CSV文件。由奥克兰大学和纽约市立大学研究生院于2022年3月31日发布，采用CC BY 4.0许可协议。