1.一种基于深度学习框架的算子精度检测方法,其特征在于,包括:获取深度学习框架中预设的与算子的单元测试对应的测试模板;
解析所述测试模板获取所述单元测试的精度最大值,检测所述单元测试中是否至少一个测试样例的输入数据精度满足所述精度最大值;
在检测获知所述至少一个测试样例的输入数据精度满足所述精度最大值的情况下,根据预设的位置标识获取所述单元测试中的所有反向算子;
根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件,在所有反向算子的反向计算精度均满足预设条件的情况下,发送所述算子的单元测试检测成功消息。
2.如权利要求1所述的方法,其特征在于,所述根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件,包括:解析所述测试模板获取反向梯度检查函数;
检测所述单元测试中每个所述反向算子是否均调用所述反向梯度检查函数进行反向计算生成反向计算结果;
在所有反向算子均生成所述反向计算结果的情况下,每个所述反向算子的反向计算精度满足预设的第一条件。
3.如权利要求2所述的方法,其特征在于,所述根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件,还包括:解析所述测试模板获取反向算子的数据尺寸;
检测所述单元测试中每个所述反向算子的输入数据维度是否与所述数据尺寸匹配;
在所有反向算子的输入数据维度均与所述数据尺寸匹配的情况下,每个所述反向算子的反向计算精度满足预设的第二条件。
4.如权利要求3所述的方法,其特征在于,所述根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件,还包括:解析所述测试模板获取反向算子的精度阈值;
计算所述单元测试中每个所述反向算子的前向计算结果和调用所述反向梯度检查函数进行反向计算生成反向计算结果,获取所述前向计算结果和所述反向计算结果的计算误差;
检测每个所述反向算子的计算误差是否与所述精度阈值匹配;
在所有反向算子的计算误差均与所述精度阈值匹配的情况下,每个所述反向算子的反向计算精度满足预设的第三条件。
5.如权利要求1-4任一所述的方法,其特征在于,在所述根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件之后,还包括:在至少一个所述反向算子的反向计算精度不满足预设条件的情况下,根据所述测试模板获取所述反向算子的精度缺失信息;
根据所述精度缺失信息发送携带所述反向算子位置标识的检测提示消息。
6.一种基于深度学习框架的算子精度检测装置,其特征在于,包括:第一获取模块,用于获取深度学习框架中预设的与算子的单元测试对应的测试模板;
解析检测模块,用于解析所述测试模板获取所述单元测试的精度最大值,检测所述单元测试中是否至少一个测试样例的输入数据精度满足所述精度最大值;
第二获取模块,用于在检测获知所述至少一个测试样例的输入数据精度满足所述精度最大值的情况下,根据预设的位置标识获取所述单元测试中的所有反向算子;
检测模块,用于根据所述测试模板检测每个所述反向算子的反向计算精度是否均满足预设条件;
第一发送模块,用于在所有反向算子的反向计算精度均满足预设条件的情况下,发送所述算子的单元测试检测成功消息。
7.如权利要求6所述的装置,其特征在于,所述检测模块,包括:第一解析单元,用于解析所述测试模板获取反向梯度检查函数;
第一检测单元,用于检测所述单元测试中每个所述反向算子是否均调用所述反向梯度检查函数进行反向计算生成反向计算结果;
第一确定单元,用于在所有反向算子均生成所述反向计算结果的情况下,每个所述反向算子的反向计算精度满足预设的第一条件。
8.如权利要求7所述的装置,其特征在于,所述检测模块,还包括:第二解析单元,用于解析所述测试模板获取反向算子的数据尺寸;
第二检测单元,用于检测所述单元测试中每个所述反向算子的输入数据维度是否与所述数据尺寸匹配;
第二确定单元,用于在所有反向算子的输入数据维度均与所述数据尺寸匹配的情况下,每个所述反向算子的反向计算精度满足预设的第二条件。
9.如权利要求8所述的装置,其特征在于,所述检测模块,还包括:第三解析单元,用于解析所述测试模板获取反向算子的精度阈值;
计算获取单元,计算所述单元测试中每个所述反向算子的前向计算结果和调用所述反向梯度检查函数进行反向计算生成反向计算结果,获取所述前向计算结果和所述反向计算结果的计算误差;
第三检测单元,用于检测每个所述反向算子的计算误差是否与所述精度阈值匹配;
第三确定单元,用于在所有反向算子的计算误差均与所述精度阈值匹配的情况下,每个所述反向算子的反向计算精度满足预设的第三条件。
10.如权利要求6-9任一所述的装置,其特征在于,还包括:第三获取模块,用于在至少一个所述反向算子的反向计算精度不满足预设条件的情况下,根据所述测试模板获取所述反向算子的精度缺失信息;
第二发送模块,用于根据所述精度缺失信息发送携带所述反向算子位置标识的检测提示消息。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的基于深度学习框架的算子精度检测方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的基于深度学习框架的算子精度检测方法。