[发明专利]一种基于numpy的高精度C语言算法验证方法

说明书

本发明公开了一种基于numpy的高精度C语言算法验证方法，包括：S1、根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；S2、将Python仿真单元进行分类向量聚合；S3、通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；S4、通过实际的使用平台对C语言算法进行相应覆盖度的仿真；S5、根据验证矩阵，验证C语言算法的准确性。有益效果：Numpy是基于目前精确度见长的Fortan科学计算库实现核心计算的软件模块，同时本身也是一个开源平台。通过给定的C语言算法实现基于numpy的算法执行效果验证，不仅能够实现C语言算法的校验，还能够在不同领域内互相借鉴验证成果，加速验证的进程，最终降低产品的成本并提升产品的算法可靠性。

技术领域

本发明涉及控制软件领域,具体来说，涉及一种基于numpy的高精度C语言算法验证方法。

背景技术

代码验证方案设计参考对象很多，测试的手段也很多。而面对多种验证对象与验证方法，很多验证方法验证的过程缺少验证准确性。再加上C语言的行为表现很多时候可能会受到平台以及编译器的影响，因此高精度的可靠性测试成为需要考虑的一个条件。

目前常见的算法技术的实现，一是依赖于昂贵的测试软件，二是选择各种编译器，操作会造成一定的复杂化和不确定性。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于numpy的高精度C语言算法验证方法，能够克服现有技术中的不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种基于numpy的高精度C语言算法验证方法，包括：

S1根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；

S2 将Python仿真单元进行分类向量聚合；

S3 通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；

S4 通过实际的使用平台对C语言算法进行相应覆盖度的仿真；

S5 根据验证矩阵，验证C语言算法的准确性。

作为优选，步骤S1进一步包括：

S11 根据C语言算法提取相同的Python算法；

S12 根据算法是否为浮点运算，分为浮点算法分类或固定点算法分类；

S13 对于S12中的同类算法进行同类算法向量化。

本发明的有益效果：Numpy是基于目前精确度见长的Fortan科学计算库实现核心计算的软件模块，同时本身也是一个开源平台。通过根据给定的C语言算法实现基于numpy的算法执行效果验证，本发明不仅能够实现C语言算法的校验，还能够在不同领域内互相借鉴验证成果，加速验证的进程，最终降低产品的成本并提升产品的算法可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例所述的一种基于numpy的高精度C语言算法验证方法。

具体实施方式