An Empirical Study of Challenges in Converting Deep Learning Models

Moses Openja, Amin Nikanjam, Ahmed Haj Yahmed, Foutse Khomh et Zhen Ming Jack Jiang

Communication écrite (2022)

Un lien externe est disponible pour ce document

Département:	Département de génie informatique et génie logiciel
URL de PolyPublie:	https://publications.polymtl.ca/53097/
Nom de la conférence:	39th IEEE International Conference on Software Maintenance and Evolution (ICSME 2022)
Lieu de la conférence:	Limassol, Cyprus
Date(s) de la conférence:	2022-10-03 - 2022-10-07
Maison d'édition:	IEEE
DOI:	10.1109/icsme55016.2022.00010
URL officielle:	https://doi.org/10.1109/icsme55016.2022.00010
Date du dépôt:	18 avr. 2023 14:59
Dernière modification:	05 avr. 2024 11:58

Citer en APA 7:	Openja, M., Nikanjam, A., Yahmed, A. H., Khomh, F., & Jiang, Z. M. J. (octobre 2022). An Empirical Study of Challenges in Converting Deep Learning Models [Communication écrite]. 39th IEEE International Conference on Software Maintenance and Evolution (ICSME 2022), Limassol, Cyprus. https://doi.org/10.1109/icsme55016.2022.00010
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Répertoire des publications (EndNote)Simple Metadata

Statistiques

Actions réservées au personnel