Pytea, statični analizator za odkrivanje napak v obliki tenzorja v kodi Pytorch, ima več omejitev kljub svoji učinkovitosti pri prepoznavanju potencialnih neusklajenosti oblike:
1. Eksplozija in kompleksnost poti: Medtem ko Pytea uporablja konzervativno obrezovanje za upravljanje števila izvršnih poti, lahko zapleteni modeli s številnimi pogojnimi izjavami ali zankami še vedno vodijo do eksplozije poti, kar lahko omeji njegovo razširljivost v zelo velikih ali zelo dinamičnih kodnih bazah [1] [1] [1] [1] [1] [1] [1] [1] [1] 3].
2. Neizvedeni API-ji: PYTEA lahko sproži lažne alarme, če naleti na Pytorch ali druge API-je tretjih oseb, ki niso bili izvedeni v njegovem okviru. To pomeni, da se morajo uporabniki zavedati, kateri API -ji so podprti, da se izognejo nepotrebnim opozorilom [5].
3. Omejitve analize brez povezave: Analiza brez povezave z uporabo S3 SMT lahko povzroči neodločljive poti, če so omejitve preveč zapletene ali nelinearne, kar vodi v časovne omejitve. To morda ne bo vedno jasno pokazalo, ali je pot veljavna ali ne [5].
4. Interpretacija rezultatov: Uporabniki morajo rezultate natančno razlagati, saj PYTEA prepozna morebitne napake, ki temeljijo na omejitvah, ki morda ne bodo vedno privedle do dejanskih napak v času izvajanja. To zahteva razumevanje kontekstnih in potencialnih poti izvajanja kodeksa [5].
5. Integracija in podpora: Medtem ko Pytea podpira večje knjižnice, kot so TorchVision, Numpy in PIL, je njegova integracija z razvojnimi okolji, kot je VSCODE, še vedno v razvoju. To pomeni, da interaktivne funkcije za odpravljanje napak še niso popolnoma zrele [2].
Navedbe:[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://towardsDatascience.com/underragening-tensors-lorning-a-data-sucture-through-3-pesky-errors-6d67476be0c/