研究论文

开放式访问

TensorIR：一种自动张力化程序优化的抽象方法

作者:

子豪 Ye（是）,

科迪·郝于,

天齐陈作者信息和声明

ASPLOS 2023:第28届ACM编程语言和操作系统架构支持国际会议记录，第2卷

2023年1月

页804-817

https://doi.org/10.1145/3575693.3576933

出版:2023年1月30日出版历史

PDF格式电子阅读器

摘要

在各种设备上部署深度学习模型已成为一个重要主题。硬件专业化的浪潮为多维十或运算带来了一组不同的加速原语。这些新的加速原语，以及新兴的机器学习模型，带来了巨大的工程挑战。在本文中，我们提出了TensorIR，这是一种编译器抽象，用于使用这些张量计算原语优化程序。TensorIR推广了现有机器学习编译器中使用的循环嵌套表示，使张量计算成为一流公民。最后，我们在抽象的基础上构建了一个端到端框架，以自动优化给定张量计算原语的深度学习模型。实验结果表明，TensorIR编译自动使用给定硬件后端的张量计算原语，并提供了与跨平台的先进手动优化系统相竞争的性能。

工具书类

[1]

马丁·阿巴迪（Martín Abadi）、保罗·巴勒姆（Paul Barham）、陈建民（Jianmin Chen）、陈志峰（Zhifeng Chen），安迪·戴维斯（Andy Davis）、杰弗里·迪恩（Jeffrey Dean）、马蒂厄·德文（Matthieu Devin）、桑杰·盖马瓦特（Sanjay Ghemawat。2016年，Tensorflow：大规模机器学习系统。在第12届$USENIX$操作系统设计和实现研讨会上（$OSDI$16）。265–283.

[2]

安德鲁·亚当斯（Andrew Adams）、卡里马·马（Karima Ma）、卢克·安德森（Luke Anderson）、利雅得·巴格达迪（Riyadh Baghdadi）、李祖茂（Tzu-Mao Li）、米歇尔·加尔比（Michaöl Gharbi）、贝诺伊特·施泰纳（Benoit Steiner）、史蒂文·。2019.学习使用树搜索和随机程序优化卤化物。ACM图形交易（TOG），38，4（2019），1-12。

数字图书馆

[3]

臂。2017.ARM计算库。https://github.com/ARM-software/ComputeLibrary/

[4]

臂。2017.探索Arm-dot产品说明。https://community.arm.com/developer/tools-software/tools/b/tools-software-ides-blog/posts/exploring-the-arm-dot-product-instructions

[5]

利雅得巴格达迪、杰西卡·雷、马利克·本·隆丹、伊曼纽尔·德尔·索佐、阿卜杜拉赫曼·阿克卡斯、张云明、帕特里夏·苏里亚纳、肖伊布·卡米尔和萨曼·阿马拉辛格。2019.蒂拉米苏：一款用于表达快速可移植代码的多面体编译器。2019年IEEE/ACM国际代码生成和优化研讨会（CGO 2019）会议记录。IEEE出版社，193-205。国际标准编号：9781728114361

[6]

Somashekaracharya G Bhaskaracharya、Julien Demouth和Vinod Grover。2020年。沃尔塔张量核的自动内核生成。arXiv预印arXiv:2006.12645。

[7]

陈田琪（Tianqi Chen）和卡洛斯·盖斯特林（Carlos Guestrin），2016年。XGBoost：一个可扩展的树增强系统。在第22届ACM SIGKDD国际知识发现和数据挖掘会议（KDD’16）的会议记录中。美国纽约州纽约市ACM，785–794。isbn:978-1-4503-4232-2

数字图书馆

[8]

陈田琪、穆莉、李玉田、林敏、王乃燕、王敏杰、肖天军、徐冰、张驰元和张政。Mxnet：异构分布式系统的灵活高效机器学习库。arXiv预打印arXiv:1512.01274。

[9]

陈田琪（Tianqi Chen）、蒂埃里·莫罗（Thierry Moreau。2018.$TVM$：用于深度学习的自动化端到端优化编译器。在第13届$USENIX$操作系统设计与实现研讨会上（$OSDI$18）。578–594.

[10]

陈田琪、郑连敏、严爱迪、姜子恒、莫罗、塞兹、盖斯林和克里希纳穆蒂。2018年。学习优化张量程序。神经信息处理系统进展。3389–3400.

[11]

Sharan Chetlur、Cliff Woolley、Philippe Vandermersch、Jonathan Cohen、John Tran、Bryan Catanzaro和Evan Shelhamer。2014.cudnn：深度学习的高效原语。arXiv预打印arXiv:1410.0759。

[12]

Stephen Chou、Fredrik Kjolstad和Saman Amarasinghe。2020年，自动生成高效稀疏张量格式转换例程。第41届ACM SIGPLAN编程语言设计与实现会议记录（PLDI 2020）。美国纽约州纽约市计算机协会823–838。国际标准化组织：9781450376136https://doi.org/10.1145/3385412.3385963

数字图书馆

[13]

雅各布·德夫林（Jacob Devlin）、张明伟（Ming Wei Chang）、肯顿·李（Kenton Lee）和克里斯蒂娜·图塔诺娃（Kristina Toutanova）。2018年，伯特：深度双向变压器语言理解预培训。arXiv预打印arXiv:1810.04805。

[14]

Alexey Dosovitskiy、Lucas Beyer、Alexander Kolesnikov、Dirk Weissenborn、Xiaohua Zhai、Thomas Unterthiner、Mostafa Deghani、Matthias Minderer、Georg Heigold和Sylvain Gelly。2020年。一幅图像相当于16x16个单词：用于大规模图像识别的变形金刚。arXiv预印本arXiv:2010.11929。

[15]

Pratik Fegade、Tianqi Chen、Phil Gibbons和Todd Mowry。2021.Cortex：递归深度学习模型的编译器。ML系统。

[16]

巴西利奥·弗拉奎拉（Basilio B.Fraguela）、贾果（Jia Guo）、加内什·比克山迪（Ganesh Bikshandi）、玛丽亚·加扎兰（María J.Garzarán）、盖奥盖·阿尔马西（Gheorghe Almási）、何塞·莫雷拉（JoséMoreira）和大卫·帕多。2004.分层平铺阵列编程方法。第七届可伸缩系统语言、编译器和运行时支持研讨会会议记录（LCR'04）。美国纽约州纽约市计算机协会1–12。编号：9781450377997https://doi.org/10.1145/1066650.1066657

数字图书馆

[17]

巴斯蒂安·哈格多恩（Bastian Hagedorn）、阿奇博德·塞缪尔·埃利奥特（Archibald Samuel Elliott）、亨利克·巴瑟尔斯（Henrik Barthels）、拉斯蒂斯拉夫·博迪克（Rastislav Bodik）和维诺德·格。2020年。Fireiron:一种用于GPU的数据移动软件调度语言。在ACM并行体系结构和编译技术国际会议的会议记录中。71–82.

数字图书馆

[18]

何开明、张湘玉、任少清、孙建军。2016.图像识别的深度残差学习。在关于计算机视觉和模式识别的IEEE会议论文集上。770–778.

[19]

安德鲁·霍华德（Andrew G Howard）、朱梦龙（Menglong Zhu）、陈波（Bo Chen）、德米特里·卡列尼琴科（Dmitry Kalenichenko）、王卫军（Weijun Wang）、托比亚斯·韦扬德（Tobias Weyand）、马可·安德列托。2017.手机：用于移动视觉应用的高效卷积神经网络。arXiv预打印arXiv:1704.04861。

[20]

英特尔。2017.用于深度学习网络的英特尔&#xAE；数学内核库。https://software.intel.com/en-us/articles/intel-mkl-dnn-part-1-library-overview-and-installation

[21]

英特尔。2019.在第二代Intel®Xeon®可扩展处理器上推出Intel®Deep Learning Boost。https://software.intel.com/content/www/us/en/develop/articles/introduction-to-intel-deep-learning-boost-on-second-generation-intel-xeon-scalable.html

[22]

Norman P Jouppi、Cliff Young、Nishant Patil、David Patterson、Gaurav Agrawal、Raminder Bajwa、Sarah Bates、Suresh Bhatia、Nan Boden和Al Borchers。2017.张量处理单元的数据中心内性能分析。第44届计算机体系结构国际研讨会论文集。1–12.

数字图书馆

[23]

安德鲁·科尔（Andrew Kerr）、吴海成（Haicheng Wu）、马尼什·古普塔（Manish Gupta）、达斯汀·布拉西格（Dustyn Blasig）、普拉迪普·拉米尼（Pradeep Ramini）、杜安·梅里尔（Duane Merrill）、安妮克·希瓦姆（Aniket Shivam）、彼得·马切尔（Pi。2022.卡特拉斯。https://github.com/NVIDIA/cutlass网站

[24]

Fredrik Kjolstad、Shoaib Kamil、Stephen Chou、David Lugato和Saman Amarasinghe。2017.张量代数编译器。程序。ACM计划。Lang.，1，OOPSLA（2017），第77条，10月，29页。发行编号：2475-1421https://doi.org/10.1145/313901

数字图书馆

[25]

马丁·孔（Martin Kong）、理查德·维拉斯（Richard Veras）、凯文·斯托克（Kevin Stock）、弗兰兹·弗朗切蒂（Franz Franchetti）、路易斯·诺埃尔·普切特（Louis-Noöl Pouchet）和蓬努斯瓦米·萨达亚潘。2013年。多面体转换满足SIMD代码生成时。第34届ACM SIGPLAN编程语言设计与实现会议论文集。127–138.

数字图书馆

[26]

Chris Lattner、Mehdi Amini、Uday Bondhugula、Albert Cohen、Andy Davis、Jacques Pienaar、River Riddle、Tatiana Shpeisman、Nicolas Vasilache和Oleksandr Zinenko。2021.Mlir：为特定领域的计算扩展编译器基础设施。2021年IEEE/ACM国际代码生成与优化（CGO）研讨会。2–14.

数字图书馆

[27]

蒂莫西·利利克拉普（Timothy P Lillicrap）、乔纳森·亨特（Jonathan J Hunt）、亚历山大·普里泽尔（Alexander Pritzel）、尼古拉·赫斯（Nicolas Heess）、汤姆·埃雷斯（Tom Erez）、尤瓦尔·塔萨（Yuval Tassa）、。2015年，通过深度强化学习进行持续控制。arXiv预印arXiv:1509.02971。

[28]

郝璐·马拉特·杜汗、吴一鸣。2018.QNNPACK：优化移动深度学习的开源库。https://engineering.fb.com/2018/10/29/ml-applications/qnnpack/

[29]

沃洛德米尔·姆尼赫（Volodymyr Mnih）、科雷·卡武科古奥格鲁（Koray Kavukcuoglu）、大卫·西尔弗（David Silver）、亚历克斯·格雷夫斯（Alex Graves）、伊奥尼斯·安东诺格鲁（Ioannis Antonoglou）、达安·维。2013.使用深度强化学习播放atari。arXiv预印本arXiv:1312.5602。

[30]

蒂埃里·莫罗（Thierry Moreau）、陈田琪（Tianqi Chen）、姜子亨（Ziheng Jiang）、路易斯·塞泽（Luis Ceze）、卡洛斯·奎斯特林（Carlos Guestrin）和阿文德·克里希纳穆斯。2018年。VTA：一个用于深度学习的开放硬件和软件堆栈。arXiv预印arXiv:1807.04188。

[31]

恩维迪亚。2017年。NVIDIA Tensor核心。https://www.nvidia.com/en-us/data-center/tensorcore/

[32]

恩维迪亚。2017.NVIDIA TensorRT：可编程推理加速器。https://developer.nvidia.com/tensorrt网站

[33]

Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein和Luca Antiga。2019.Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展。8026–8037.

[34]

亚历克·拉德福德（Alec Radford）、杰弗里·吴（Jeffrey Wu）、瑞文·查尔德（Rewon Child）、大卫·卢安（David Luan）、达里奥·阿莫迪（Dario Amodei）和伊利亚·萨茨克弗（Ilya Sutskever）。2019.语言模型是无监督的多任务学习者。OpenAI博客，1，8（2019），9。

[35]

乔纳森·拉甘·凯利（Jonathan Ragan-Kelley）、康奈利·巴恩斯（Connelly Barnes）、安德鲁·亚当斯（Andrew Adams）、西尔万·帕里斯（Sylvain Paris）、弗莱多·杜兰德（Frédo Durand）和萨。2013.Halide：一种用于优化图像处理管道中的并行性、局部性和重新计算的语言和编译器。Acm Sigplan通告，48、6（2013）、519–530。

数字图书馆

[36]

Ira Rosen、Dorit Nuzman和Ayal Zaks。2007年。GCC中的环感知SLP。在海湾合作委员会开发商峰会上。

[37]

约翰·舒尔曼（John Schulman）、菲利普·沃尔斯基（Filip Wolski）、普拉福拉·达里瓦尔（Prafulla Dhariwal）、亚历克·拉德福德（Alec Radford）和奥列格·克里莫夫（Oleg Klimov）。2017.近似策略优化算法。arXiv预打印arXiv:1707.06347。

[38]

Ryan Senanayake、Changwan Hong、Ziheng Wang、Amalee Wilson、Stephen Chou、Shoaib Kamil、Saman Amarasinghe和Fredrik Kjolstad。2020。稀疏张量代数的稀疏迭代空间变换框架。程序。ACM计划。Lang.，4，OOPSLA（2020），第158条，11月，30页。https://doi.org/10.1145/3428226

数字图书馆

[39]

凯伦·西蒙扬和安德鲁·齐瑟曼。2014.用于大规模图像识别的超深卷积网络。arXiv预打印arXiv:1409.1556。

[40]

IREE作者。2019年IREE。https://github.com/iree-org/ire

[41]

Philippe Tillet、H.T.Kung和David Cox。2019.Triton：用于平铺神经网络计算的中间语言和编译器。第三届ACM SIGPLAN机器学习和编程语言国际研讨会会议记录（MAPL 2019）。计算机械协会，美国纽约州纽约市，10-19。国际标准化组织：9781450367196https://doi.org/10.1145/3315508.3329973

数字图书馆

[42]

尼古拉·瓦西拉切（Nicolas Vasilache）、塞德里克·巴斯托尔（Cédric Bastoul）和阿尔伯特·科恩（Albert Cohen）。2006.现实世界中的多面体代码生成。在编译器构造国际会议上。185–201.

数字图书馆

[43]

尼古拉·瓦西拉切（Nicolas Vasilache）、奥列克桑德·齐尼科（Oleksandr Zinenko）、西奥多罗斯·西奥多里迪斯（Theodoros Theodoridis）、普里亚·戈亚尔（Priya Goyal）、扎卡里·德维托（Zachary DeVito）、威廉·S·摩西（William S Moses。2018.张力理解：框架-认知高性能机器学习抽象。arXiv预打印arXiv:1802.04730。

[44]

阿什什·瓦斯瓦尼（Ashish Vaswani）、诺姆·沙泽尔（Noam Shazeer）、尼基·帕尔玛（Niki Parmar）、雅各布·乌斯科雷特（Jakob Uszkoreit）、利昂·琼斯（Llion Jones）、艾丹·戈麦斯（Aidan N Gomez）、卢卡斯·凯泽（Lukas。2017年。你所需要的就是关注。arXiv预打印arXiv:1706.03762。

[45]

Jian Weng、Animesh Jain、Jie Wang、Leyuan Wang、Yida Wang和Tony Nowatzki。2021.单元：统一张量化指令编译。2021年IEEE/ACM国际代码生成与优化（CGO）研讨会。77–89.

数字图书馆

[46]

Tim Zerrell和Jeremy Bruestle。2019.条纹：通过嵌套多面体模型进行张量编译。arXiv预打印arXiv:1903.06498。

[47]

2021年，赵杰、李伯杰、王聂、郑庚、张仁伟、熊高、斌成、陈武、云成和郑莉。AKG：使用多面体变换为神经处理单元自动生成内核。第42届ACM SIGPLAN编程语言设计与实现国际会议论文集。1233–1248.

数字图书馆

[48]

郑连敏、贾成凡、孙敏敏、赵武、科迪·郝宇、阿迈尔·哈伊·阿利、王毅达、杨军、卓丹阳和库什克。2020年。答案：为深度学习生成高性能张量程序。在第14届$USENIX$操作系统设计与实现研讨会上（$OSDI$20）。863–879.

数字图书馆

[49]

郑仕、陈仁泽、魏安江、金一成、秦汉、陆立强、吴炳阳、李秀红、阎圣恩和梁云。2022.AMOS：利用硬件抽象实现空间加速器上张量计算的自动映射。2022年6月18日至22日，美国纽约州纽约市，第49届国际计算机体系结构年会，瓦伦蒂娜·萨拉普拉（Valentina Salapura）、穆罕默德·扎赫兰（Mohamed Zahran）、弗雷德·张（Fred Chong）和汤凌嘉（Lingjia Tang）主编。美国医学会，874–887。https://doi.org/10.1145/3470496.3527440

数字图书馆

[50]

大小郑、云亮、王朔、陈仁泽和盛凯文。2020年，FlexTensor：异构系统上张量计算的自动调度探索和优化框架。第二十五届编程语言和操作系统体系结构支持国际会议论文集。859–873.

数字图书馆

引用人

陈H张恩向S曾Z戴民汉张Z(2024)Allo：可组合加速器设计的编程模型美国计算机学会程序设计语言会议录10.1145/36564018：PLDI(593-620)在线发布日期：2024年6月20日
https://dl.acm.org/doi/10.1145/3656401
杨杰（Yang J）吉安诺拉·C吴杰埃尔豪西M格里森JPekhimenko G公司(2024)小步：在GPU上加速3D稀疏卷积第十九届欧洲计算机系统会议记录10.1145/3627703.3629560(786-802)在线发布日期：2024年4月22日
https://dl.acm.org/doi/10.1145/3627703.3629560
马勒陈H邵娥王莉（Wang L）陈QTan G（切线G）李一世查比MSteuwer M公司(2024)海报：FineCo：针对并发DNN推断的细粒度异构资源管理第29届ACM SIGPLAN并行编程原理与实践年度研讨会论文集10.1145/3627535.3638485(451-453)在线发布日期：2024年3月2日
https://dl.acm.org/doi/10.1145/3627535.3638485
显示更多引用者

索引术语

TensorIR：一种自动张力化程序优化的抽象方法
1. 计算方法
  1. 机器学习
2. 软件及其工程
  1. 软件符号和工具
    1. 编译器
      1. 源代码生成

建议

cuFasterTucker:GPU平台上并行稀疏FastTucker分解的随机优化策略
科学数据的数量目前正以前所未有的速度增长，张量是显示高阶、高维和稀疏特征的常见数据形式。虽然基于张量的分析方法是有效的，但。。。
阅读更多信息
CLU中的抽象机制
ACM可靠软件语言设计会议记录

CLU是一种新的编程语言，旨在支持在程序构造中使用抽象。在编程方法学方面的工作使人们认识到三种抽象，过程、控制，尤其是数据抽象。。。
阅读更多信息
AutoHOOT：张量的自动高阶优化
PACT’20：ACM并行体系结构和编译技术国际会议论文集

高阶优化方法，包括牛顿法及其变体以及交替最小化方法，主导了张量分解和张量网络的优化算法。这些张量方法用于数据分析。。。
阅读更多信息

评论

信息和贡献者

问询处

发布时间

封面图片ACM会议

ASPLOS 2023:第28届ACM编程语言和操作系统架构支持国际会议记录，第2卷

2023年1月

947页

国际标准图书编号：9781450399166

内政部：10.1145/3575693

总主席：
托尔·阿莫特
加拿大不列颠哥伦比亚大学
,
课程主席：
娜塔莉·恩里特·杰格
加拿大多伦多大学
,
迈克尔·斯威夫特
美国威斯康星大学麦迪逊分校

版权所有©2023所有者/作者。

本作品根据Creative Commons Attribution 4.0国际许可证授权。

赞助商

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2023年1月30日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章

会议

ASPLOS’23

赞助商：

ASPLOS’23:第28届ACM编程语言和操作系统架构支持国际会议，第2卷

2023年3月25日至29日

不列颠哥伦比亚省，加拿大温哥华

接受率

2713份提交文件中的总体接受率为535份，20%

即将召开的会议

ASPLOS’25年

赞助商：
卷烟
卷烟
卷烟

第29届ACM编程语言和操作系统体系结构支持国际会议

2025年3月30日-4月3日

鹿特丹，荷兰

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

10
引文总数
查看引文
2,505
总下载次数

下载次数（过去12个月）1,646
下载次数（最近6周）124

其他指标

查看作者指标

引文

引用人

陈H张恩向S曾Z戴民汉张Z(2024)Allo：可组合加速器设计的编程模型美国计算机学会程序设计语言会议录10.1145/36564018：PLDI(593-620)在线发布日期：2024年6月20日
https://dl.acm.org/doi/10.1145/3656401
杨杰（Yang J）吉安诺拉·C吴杰埃尔豪西M格里森JPekhimenko G公司(2024)Minuet:加速GPU上的3D稀疏卷积第十九届欧洲计算机系统会议记录10.1145/3627703.3629560(786-802)在线发布日期：2024年4月22日
https://dl.acm.org/doi/10.1145/3627703.3629560
马勒陈H邵娥王莉（Wang L）陈QTan G（切线G）李一世查比MSteuwer M公司(2024)海报：FineCo：针对并发DNN推断的细粒度异构资源管理第29届ACM SIGPLAN并行编程原理与实践年度研讨会论文集10.1145/3627535.3638485(451-453)在线发布日期：2024年3月2日
https://dl.acm.org/doi/10.1145/3627535.3638485
牛W萨尼姆M舒Z关J沈X阴M阿格拉瓦尔G任BTsafrir D公司穆苏瓦蒂M古普塔RAbu-Ghazaleh北部(2024)SmartMem：消除和适应布局转换以在移动设备上高效执行DNN第29届ACM国际编程语言和操作系统体系结构支持会议记录，第3卷10.1145/3620666.3651384(916-931)在线发布日期：2024年4月27日
https://dl.acm.org/doi/10.1145/3620666.3651384
关Y于C周毅（Zhou Y）冷J锂电池郭MTsafrir D公司穆苏瓦蒂M古普塔RAbu-Ghazaleh北部(2024)分形：DNN修剪精度和性能的联合多级稀疏模式调整第29届ACM国际编程语言和操作系统体系结构支持会议记录，第3卷10.1145/3620666.3651351(416-430)在线发布日期：2024年4月27日
https://dl.acm.org/doi/10.1145/3620666.3651351
Yu F公司李G赵J崔H冯X薛杰Tsafrir D公司穆苏瓦蒂M古普塔RAbu-Ghazaleh北部(2024)基于动态微核聚合的加速器动态形状神经网络优化第29届ACM国际编程语言和操作系统体系结构支持会议记录，第2卷10.1145/3620665.3640390(797-812)在线发布日期：2024年4月27日
https://dl.acm.org/doi/10.1145/3620665.3640390
夏C赵J太阳Q王Z文Y于特（Yu T）冯X崔HTsafrir D公司MUSUVATHI M系列古普塔RAbu-Ghazaleh北部(2024)通过全局分析和张量表达式优化深度学习推理第29届ACM国际编程语言和操作系统体系结构支持会议记录，第1卷10.1145/3617232.3624858(286-301)在线发布日期：2024年4月27日
https://dl.acm.org/doi/10.1145/3617232.3624858
赵Z玲N刘凯（Liu K）关N邢GEskicioglu R系列黄PPatwari N公司(2023)海报摘要：通过大型基础模型统一On-device Tensor程序优化第21届ACM嵌入式网络传感器系统会议记录10.1145/3625687.3628378(504-505)在线发布日期：2023年11月12日
https://dl.acm.org/doi/10.1145/3625687.3628378
郑B于C王杰丁Y刘毅王毅Pekhimenko G公司(2023)Grape：GPU上动态深度神经网络的实用高效图形执行第56届IEEE/ACM微体系结构国际研讨会论文集10.1145/3613424.3614248(1364-1380)在线发布日期：2023年10月28日
https://dl.acm.org/doi/10.1145/3613424.3614248
叶Z赖·R邵杰陈T塞兹·L阿莫特T杰格尔NSwift M银行(2023)SparseTIR：用于深度学习中稀疏编译的可组合摘要第28届ACM编程语言和操作系统体系结构支持国际会议记录，第3卷10.1145/3582016.3582047(660-678)在线发布日期：2023年3月25日
https://dl.acm.org/doi/10.1145/3582016.358202047

视图选项

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子