机构名称：
¥ 6.0
性能可以说是反映可配置软件系统质量的最关键属性。但是，鉴于现代软件的规模和复杂性的增加，建模和预测各种配置如何影响性能成为软件维护的主要挑战之一。因此，性能通常是在不透彻了解软件系统的情况下建模的，而是主要依靠数据，这完全符合深度学习的目的。在本文中，我们对可配置软件的性能学习深度学习的主题进行了全面评论，涵盖了跨越六个索引服务的1,206篇搜索论文，根据其中提取和分析了99篇主要论文。我们的结果概述了关键统计，分类法，优势，劣势和最佳用法方案，用于与配置数据的制备有关的技术，深度学习绩效模型的构建，对这些模型的评估以及它们在各种软件配置相关的任务中的利用。我们还从调查的研究中确定了良好的实践和潜在问题现象，以及对该领域未来机会的可行建议和见解的全面摘要。为了促进开放科学，可以在我们的存储库中访问本调查的所有原始结果：https：//github.com/ideas-labo/dcpl-slr。
深层配置性能学习
主要关键词
相关文件推荐
