Pytea, statyczny analizator wykrywania błędów kształtu tensora w kodzie Pytorcha, ma kilka ograniczeń pomimo jego skuteczności w identyfikowaniu potencjalnych niedopasowań kształtu:
1. Eksplozja ścieżki i złożoność: podczas gdy Pytea używa konserwatywnego przycinania do zarządzania liczbą ścieżek wykonania, złożone modele z wieloma instrukcjami lub pętlami mogą nadal prowadzić do eksplozji ścieżki, potencjalnie ograniczając jego skalowalność w bardzo dużych lub wysoce dynamicznych bazach kodów [1] [ 3].
2. Niezaplementowane interfejsy API: PYTEA może podnieść fałszywe alarmy, jeśli napotyka Pytorch lub inne interfejsy API innych firm, które nie zostały zaimplementowane w jego ramach. Oznacza to, że użytkownicy muszą być świadomi, które interfejsy API są obsługiwane, aby uniknąć niepotrzebnych ostrzeżeń [5].
3. Ograniczenia analizy offline: Analiza offline z wykorzystaniem solver Z3 SMT może skutkować niezadowolnymi ścieżkami, jeśli ograniczenia są zbyt złożone lub nieliniowe, co prowadzi do czasu. Może to nie zawsze stanowić wyraźne wskazanie, czy ścieżka jest ważna, czy nie [5].
4. Interpretacja wyników: Użytkownicy muszą dokładnie interpretować wyniki, ponieważ Pytea identyfikuje potencjalne błędy oparte na ograniczeniach, które nie zawsze mogą prowadzić do faktycznych błędów wykonawczych. Wymaga to zrozumienia kontekstu i potencjalnych ścieżek wykonywania kodu [5].
5. Integracja i wsparcie: podczas gdy Pytea obsługuje główne biblioteki, takie jak Torchvision, Numpy i PIL, jej integracja z środowiskami programistycznymi, takimi jak VSCode, wciąż jest w rozwoju. Oznacza to, że interaktywne funkcje debugowania nie są jeszcze w pełni dojrzałe [2].
Cytaty:[1] https://arxiv.org/pdf/2112.09037.pdf
[2] https://www.reddit.com/r/machinelearning/comments/rm4fgz/p_a_static_analyzer_for_detecting_Tensor_Shape/
[3] https://sf.snu.ac.kr/pytea/
[4] https://www.researchgate.net/publication/370473038_static_analysis_of_shape_in_Tensorflow_Programs
[5] https://github.com/ropas/pytea
[6] https://arxiv.org/pdf/2106.02887.pdf
[7] https://dl.acm.org/doi/10.1145/3510454.3528638
[8] https://towardsDatasciience.com/understanding-tensors-dearning-a-data-sructure-hrough-3-pesky-errors-6d674776be0c/