【技术实现步骤摘要】
本专利技术涉及计算机科学和软件工程领域，特别关注于深度学习框架的测试和缺陷检测。本专利技术提出的方法是一种创新的深度学习框架测试技术，它利用开发人员的专业知识来设计变异算子和约束条件，从而在模型训练和推理等多个阶段检测出更多样化的缺陷。该方法已经在pytorch、jax和mindspore等广泛使用的深度学习框架上进行了评估，并显示出优于现有基线方法的性能。本专利技术不仅提高了生成模型的多样性和合法率，还成功检测到了多个高价值的缺陷，并在mindspore社区中得到了实际应用，证明了其在实际开发场景中检测重要缺陷的有效性。
技术介绍
1、在当前的数字化时代，深度学习技术在多个行业中取得了显著的成功，特别是在自动驾驶、医学诊断和人脸识别等安全关键领域。这些应用的成功开发、维护和部署高度依赖于深度学习框架。然而，框架中的缺陷可能导致严重的安全事故和经济损失。因此，对深度学习框架进行严格的测试和缺陷检测，以确保其质量和安全性，变得至关重要。
2、尽管现有的研究已经采用深度学习模型作为测试输入，并通过变异算子生成多样化的模型来提高测...
【技术保护点】
1.一种基于开发者经验的深度学习框架变异测试方法，包括以下步骤：
2.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的迭代过程中，本专利技术利用两个深度Q网络选择种子模型和变异算子，每轮变异后根据当前目标评估计算的奖励来更新Q网络并选择下一轮的种子模型。
3.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的变异算子中以模型结构脚本为变异主体的类型，它们的变异方式是将新的结构添加到原始模型中，删除现有的结构，修改参数以提高模型性能。
4.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的变异算子中以执...
【技术特征摘要】
1.一种基于开发者经验的深度学习框架变异测试方法，包括以下步骤：
2.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的迭代过程中，本发明利用两个深度q网络选择种子模型和变异算子，每轮变异后根据当前目标评估计算的奖励来更新q网络并选择下一轮的种子模型。
3.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的变异算子中以模型结构脚本为变异主体的类型，它们的变异方式是将新的结构添加到原始模型中，删除现有的结构，修改参数以提高模型性能。
4.根据权利要求1所述的深度学习框架测试方法，其特征在于：所述的变异算子中以执行脚本为变异主体的类型，它们的变异方式是对模型进行数据扩充，改变损失函数和优化...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。