團隊的研究旨在突破現有深度學習基礎軟件庫測試方法的不足,提出針對深度學習基礎軟件庫的多樣化測試用例生成方法和針對深度學習模型訓練過程的差分測試方法,從而實現深度學習基礎軟件庫更全面的測試。具體而言,研究團隊所提出的測試方法包含模型生成和不一致性檢測兩個部分。在模型生成部分,方法使用有向無環圖(DAG)來表示模型的結構信息,并通過啟發式的生成策略來產生多樣化的測試用例;在不一致性檢測部分,方法針對模型訓練中的三個具體的計算過程(前向計算、損失值計算和反向計算),通過動態數據流追蹤的方法 分別采集模型訓練過程中的中間計算結果,然后比較不同軟件庫在模型訓練過程中計算結果后出現的不一致來對訓練階段的庫代碼完成差分測試。
評論
全部評論