数据集概述
本数据集包含命令式深度学习程序向图执行自动重构的分析结果，涵盖函数状态、重构条件、优化类型等多维度数据，为深度学习程序重构研究提供结构化分析基础。
文件详解
- 综合结果类
- result.csv：CSV格式，包含各主题函数总数、候选函数数、优化类型数量等汇总数据
- functions.csv：CSV格式，记录所有函数的基础信息（名称、模块、参数类型等）
- statuses.csv：CSV格式，所有函数的重构状态记录（包含失败与警告信息）
- 函数分类类
- candidate_functions.csv：CSV格式，候选重构函数子集
- optimizable.csv：CSV格式，可优化函数子集（候选函数子集）
- nonoptimizable.csv：CSV格式，不可优化函数子集（候选函数子集）
- failed_preconditions.csv：CSV格式，重构条件验证失败的函数列表
- 重构细节类
- transformations.csv：CSV格式，已重构函数及其转换方式记录
- decorators.csv：CSV格式，原始函数装饰器的全限定名称
- subjects.csv：CSV格式，研究对象名称及对应代码仓库信息
- 文档类
- TF2-tensor-generators.md：Markdown格式，生成新张量的API说明文档
适用场景
- 深度学习程序优化研究：分析命令式程序向图执行转换的可行性与效率
- 自动重构工具开发：验证重构条件设计合理性，优化重构算法
- 深度学习框架性能分析：研究不同重构策略对程序性能的影响
- 代码质量评估：分析函数特性与重构成功率的关联关系
