[发明专利]深度学习算法的测试方法、装置、电子装置和存储介质

权利要求书

1.一种深度学习算法的测试方法，其特征在于，包括：

获取待测的深度学习算法的测试集，其中，所述测试集包括多个测试数据，每个测试数据包括测试样本和测试标签；

根据各所述测试标签确定各测试样本对应的标准结果；

将各测试样本的测试任务并行下发到部署有所述待测的深度学习算法的数据计算集群，并获取所述数据计算集群返回的各测试样本的测试任务的执行结果，其中，所述执行结果包括所述待测的深度学习算法对应的测试样本的预测结果；

根据各所述测试样本的所述标准结果和所述预测结果，获取所述待测的深度学习算法的测试结果。

2.根据权利要求1所述的深度学习算法的测试方法，其特征在于，在根据各所述测试标签确定各测试样本对应的标准结果之后，所述方法还包括：

将各所述测试样本的所述标准结果的数据格式并行转换成与所述测试结果相同的数据格式。

3.根据权利要求1所述的深度学习算法的测试方法，其特征在于，将各测试样本的测试任务并行下发到部署有所述待测的深度学习算法的数据计算集群，并获取所述数据计算集群返回的各测试样本的测试任务的执行结果包括：

通过所述计算集群将各所述测试样本的测试任务并行下发到各所述测试样本所对应的worker节点，并获取所述执行结果。

4.根据权利要求3所述的深度学习算法的测试方法，其特征在于，通过所述计算集群将各所述测试样本的测试任务并行下发到各所述测试样本所对应的worker节点，并获取所述执行结果包括：

通过所述计算集群获取正处于空闲状态的work节点；

通过所述计算集群基于EDF调度方式将各所述测试样本的测试任务并行下发到与各所述测试样本一一对应的正处于空闲状态下的所述worker节点，并获取所述执行结果。

5.根据权利要求1所述的深度学习算法的测试方法，其特征在于，所述方法还包括：

在当前测试样本的所述标准结果或所述预测结果获取失败的情况下，停止对所述当前测试样本的测试。

6.根据权利要求1所述的深度学习算法的测试方法，其特征在于，根据各所述测试样本的所述标准结果和所述预测结果，获取所述待测的深度学习算法的测试结果包括：

将各所述测试样本的所述标准结果和所述预测结果进行比对，并行生成各所述测试样本的测试比对结果；

根据各所述测试样本的测试比对结果和预设测试报告模板，并行生成所述待测的深度学习算法的测试结果。

7.根据权利要求6所述的深度学习算法的测试方法，其特征在于，所述预设测试报告模板包括多条测试数据，每条测试数据对应于一个测试样本，所述测试数据包括对应的测试样本的多维属性项及测试结果；在生成所述待测的深度学习算法的测试结果之后，所述方法还包括：

根据所述多维属性项对各所述测试样本的预测成功率进行统计，获得与各属性项对应的预测成功率的统计结果，以确定所述待测的深度学习算法在各属性项下的预测表现。

8.根据权利要求7所述的深度学习算法的测试方法，其特征在于，在获得与各属性项对应的预测成功率的统计结果之后，所述方法还包括：

可视化与各属性项对应的预测成功率的统计结果。

9.一种深度学习算法的测试装置，其特征在于，包括：

第一获取模块，用于获取待测的深度学习算法的测试集，其中，所述测试集包括多个测试数据，每个测试数据包括测试样本和测试标签；

确定模块，用于根据各所述测试标签确定各测试样本对应的标准结果；

第二获取模块，用于将各测试样本的测试任务并行下发到部署有所述待测的深度学习算法的数据计算集群，并获取所述数据计算集群返回的各测试样本的测试任务的执行结果，其中，所述执行结果包括所述待测的深度学习算法对应的测试样本的预测结果；

第三获取模块，用于根据各所述测试样本的所述标准结果和所述预测结果，获取所述待测的深度学习算法的测试结果。