深度学习-10-测试
本文是《深度学习入门2-自製框架》 的学习笔记,记录自己学习心得,以及对重点知识的理解。如果内容对你有帮助,请支持正版,去购买正版书籍,支持正版书籍不仅是尊重作者的辛勤劳动,也是鼓励更多优秀作品问世。
当前笔记内容主要为:步骤 10 测试 章节的相关理解。
书籍总共分为5个阶段,每个阶段分很多步骤,最终是一步一步实现一个深度学习框架。例如前两个阶段为:
第 1 阶段共包括 10 个步骤 。 在这个阶段,将创建自动微分的机制
第 2 阶段,从步骤11-24,该阶段的主要目标是扩展当前的 DeZero ,使它能够执行更复杂的计算 ,使它能 够处理接收多个输入的函数和返回多个输出的函数
1.Python 的单元测试
软件开发中测试必不可少,有时候测试都会占用项目流程中很大一段时间。为了保证项目质量,更是要求测试进行相关自动化,以便加速。而且分为sit uat 测试不同阶段,来保证投产质量。
不同的变成语言,有不同测试框架,例如java 里面有junit 框架支持。python 语言里面有 unittest 库来支持。 这里我们以unittest 库来说明。
编写代码
class SquareTest(unittest.TestCase):
def test_forward(self):
x = Variable(np.array(2.0))
y = square(x)
expected = np.array(4.0)
self.assertEquals(y.data, expected)
执行命令运行测试:
python -m unittest step10.py
注意如果你用的是创建了虚拟venv ,则需要先激活此环境,然后再执行命令
查看输出结果:
(venv) PS C:\pyworkspace\Dezero> python -m unittest step10.py
C:\pyworkspace\Dezero\step10.py:97: DeprecationWarning: Please use assertEqual instead.
self.assertEquals(y.data, expected)
.
----------------------------------------------------------------------
Ran 1 test in 0.002s
OK
我们可以看到测试通过了,并且有汇总信息。这个测试案例是测试-平方函数,我们知道 2的平方等于4 ,结果确实等于4。
2.square 函数反向传播的测试
对square 函数进行反向传播测试, 增加一下代码:
class SquareTest(unittest.TestCase):
def test_forward(self):
x = Variable(np.array(2.0))
y = square(x)
expected = np.array(4.0)
self.assertEquals(y.data, expected)
def test_backward(self):
x = Variable(np.array(3.0))
y = square(x)
y.backward()
expected = np.array(6.0)
self.assertEquals(x.grad, expected)
其中 test_backward 函数是本次新加的代码
查看测试结果:
(venv) PS C:\pyworkspace\Dezero>
(venv) PS C:\pyworkspace\Dezero> python -m unittest step10.py
C:\pyworkspace\Dezero\step10.py:104: DeprecationWarning: Please use assertEqual instead.
self.assertEquals(x.grad, expected)
..
----------------------------------------------------------------------
Ran 2 tests in 0.002s
OK
(venv) PS C:\pyworkspace\Dezero>
结果正向传播,反向传播的两个测试案例都通过了。y=x^2 的导函数是 y=2x 在x = 3.0 的时候,导函数的值为 2*3.0 = 6.0 正确。
3.通过梯度检验来自动测试
在上面的第二步骤中,我们是手动定义x = 3.0 并且我们手动求导发现导函数是 2x ,并且求得值是 6.0 ,这一步骤是否可以自动化呢?
这里引入一个方法:梯度检验 ,代替手动计算的测试方法。达到高效测试的目的。
# 求导公式计算任意函数倒数
def numberical_diff(f, x, eps= 13-4) :
x0= Variable(x.data -eps)
x1 = Variable(x.data + eps)
y0 = f(x0)
y1 = f(x1)
return (y1.data -y0.data) /(2*eps)
class SquareTest(unittest.TestCase):
def test_forward(self):
x = Variable(np.array(2.0))
y = square(x)
expected = np.array(4.0)
self.assertEquals(y.data, expected)
def test_backward(self):
x = Variable(np.array(3.0))
y = square(x)
y.backward()
expected = np.array(6.0)
self.assertEquals(x.grad, expected)
def test_gradient(self):
x = Variable(np.random.random(1)) # 随机生成x 值
y = square(x)
y.backward()
num_grad = numberical_diff(square, x)
flg = np.allclose(x.grad, num_grad) #判断 ndarray 实例的a,b 值是否接近
#如果 a 和 b 的所有元素满足以 下条件,则返回 True
self.assertTrue(flg)
再次执行测试案例:
python -m unittest step10.py
查看执行结果:
(venv) PS C:\pyworkspace\Dezero> python -m unittest step10.py
C:\pyworkspace\Dezero\step10.py:111: DeprecationWarning: Please use assertEqual instead.
self.assertEquals(x.grad, expected)
...
----------------------------------------------------------------------
Ran 3 tests in 0.002s
OK
(venv) PS C:\pyworkspace\Dezero>
4.本节所有代码
'''
step10.py
测试,使用unittest 库自动进行测试
'''
import numpy as np
import unittest
class Variable:
def __init__(self, data):
if data is not None: # 新增
if not isinstance(data, np.ndarray):
raise TypeError('{} is not supported'.format(type(data)))
self.data = data
self.grad = None
self.creator = None
def set_creator(self, func):
self.creator = func
def backward(self):
if self.grad is None:
self.grad = np.ones_like(self.data)
funcs = [self.creator]
while funcs:
f = funcs.pop()
x, y = f.input, f.output
x.grad = f.backward(y.grad)
if x.creator is not None:
funcs.append(x.creator)
class Function:
def __call__(self, input):
x = input.data
y = self.forward(x) # 新增
output = Variable(as_array(y)) # 转成 ndarray 类型
output.set_creator(self) # 输出者保存创造者对象
self.input = input
self.output = output # 保存输出者。我是创造者的信息,这是动态建立 "连接"这 一 机制的核心
return output
def forward(self, x):
raise NotImplementedError() # 使用Function 这个方法forward 方法的人 , 这个方法应该通过继承采实现
def backward(self, gy):
raise NotImplementedError()
class Square(Function):
def forward(self, x):
y = x ** 2
return y
def backward(self, gy):
x = self.input.data
gx = 2 * x * gy # 方法的参数 gy 是 一个 ndarray 实例 , 它是从输出传播而来的导数 。
return gx
class Exp(Function):
def forward(self, x):
y = np.exp(x)
return y
def backward(self, gy):
x = self.input.data
gx = np.exp(x) * gy
return gx
def square(x):
f = Square()
return f(x)
def exp(x):
f = Exp()
return f(x)
def as_array(x): # 新增
if np.isscalar(x): # 使用 np.isscalar 函数来检查 numpy.float64 等属于标量
return np.array(x)
return x
# 求导公式计算任意函数倒数
def numberical_diff(f, x, eps= 13-4) :
x0= Variable(x.data -eps)
x1 = Variable(x.data + eps)
y0 = f(x0)
y1 = f(x1)
return (y1.data -y0.data) /(2*eps)
class SquareTest(unittest.TestCase):
def test_forward(self):
x = Variable(np.array(2.0))
y = square(x)
expected = np.array(4.0)
self.assertEquals(y.data, expected)
def test_backward(self):
x = Variable(np.array(3.0))
y = square(x)
y.backward()
expected = np.array(6.0)
self.assertEquals(x.grad, expected)
def test_gradient(self):
x = Variable(np.random.random(1))
y = square(x)
y.backward()
num_grad = numberical_diff(square, x)
flg = np.allclose(x.grad, num_grad) #判断 ndarray 实例的a,b 值是否接近
#如果 a 和 b 的所有元素满足以 下条件,则返回 True
self.assertTrue(flg)
if __name__ == '__main__':
x = Variable(np.array(0.5))
a = square(x)
b = exp(a)
y = square(b)
y.grad = np.array(1.0)
y.backward()
print(x.grad)
# 优化ones_like 初始化后
# 不需要定义 y.grad = np.array(1.0) 这个了
x = Variable(np.array(0.5))
y = square(exp(square(x)))
y.backward()
print(x.grad)
# 错误使用
x = Variable(np.array(1.0))
x = Variable(None)
# x = Variable(1.0) # 错误使用
# Numpy 特性问题
x = np.array([1.0])
y = x ** 2
print(type(x), x.ndim)
print(type(y))
x = np.array(1.0)
y = x ** 2
print(type(x), x.ndim)
print(type(y))
5.测试小结
通过本节,可以学习如果使用 unittest 这个库进行代码测试。