[发明专利]测试方法、装置及相关产品

权利要求书

1.一种测试方法，其特征在于，所述方法包括：

解析神经网络的测试文件，得到第一计算图；

根据所述第一计算图，通过通用处理器运算，得到第一运算结果；

根据所述第一计算图，通过人工智能处理器运算，得到第二运算结果；

根据所述第一运算结果和所述第二运算结果，得到所述神经网络的测试结果。

2.根据权利要求1所述的方法，其特征在于，所述解析神经网络的测试文件，得到第一计算图，包括：

读取所述神经网络的测试文件包括的所有对象；

分别将所述对象转换为对应的操作节点；

根据所述对象，对所述操作节点进行拓扑排序，得到第一计算图。

3.根据权利要求2所述的方法，其特征在于，所述神经网络的测试文件包括json文件，所述对象包括json对象，其中，

所述json对象包括至少一个键值对，用于表明所述json对象对应的操作节点的属性。

4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述根据所述第一计算图，通过通用处理器进行运算，得到第一运算结果，包括：

对所述第一计算图进行运算初始化，得到第一初始化结果；

根据所述第一初始化结果，在所述通用处理器内分别调用所述第一计算图包含的每个操作节点的运算函数，得到第一运算结果。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述第一计算图，通过人工智能处理器进行运算，得到第二运算结果，包括：

根据所述第一计算图，确定所述人工智能处理器的运算模式；

在所述运算模式为逐层运算模式时，通过所述人工智能处理器，对所述第一计算图包括的每个操作节点依次进行运算，得到第二运算结果；

在所述运算模式为融合运算模式时，通过所述人工智能处理器，将所述第一计算图作为融合操作节点进行运算，得到第二运算结果。

6.根据权利要求5所述的方法，其特征在于，所述通过所述人工智能处理器，对所述第一计算图包括的每个操作节点依次进行运算，得到第二运算结果，包括：

在人工智能处理器内对所述第一计算图进行结构优化，得到第二计算图；

对所述第二计算图进行运算初始化，得到第二初始化结果；

根据所述第二初始化结果，对所述第二计算图进行遍历，根据遍历顺序，在所述人工智能处理器内分别调用所述第二计算图包含的每个操作节点的编译函数，得到第一编译结果；

将所述第一编译结果拷贝至所述人工智能处理器，在所述人工智能处理器内分别调用所述第二计算图包含的每个操作节点的运算函数，得到第二运算结果。

7.根据权利要求5所述的方法，其特征在于，所述通过所述人工智能处理器，将所述第一计算图作为融合操作节点进行运算，得到第二运算结果，包括：

将所述第一计算图作为融合操作节点，生成基于所述融合操作节点的第三计算图；

对所述第三计算图进行运算初始化，得到第三初始化结果；

根据所述第三初始化结果，在所述人工智能处理器内调用所述融合操作节点的编译函数，得到第二编译结果；

将所述第二编译结果拷贝至所述人工智能处理器，在所述人工智能处理器内调用所述融合操作节点的运算函数，得到第二运算结果。

8.一种测试装置，其特征在于，包括：

解析单元，用于解析神经网络的测试文件，得到第一计算图；

第一运算单元，用于根据所述第一计算图，通过通用处理器运算，得到第一运算结果；

第二运算单元，用于根据所述第一计算图，通过人工智能处理器运算，得到第二运算结果；

测试结果生成单元，用于根据所述第一运算结果和所述第二运算结果，得到所述神经网络的测试结果。

9.一种测试装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。