一种基于消息传递神经网络的深度学习编译器测试加速方法

本发明属于软件测试领域，涉及一种基于消息传递神经网络的深度学习编译器测试加速方法，可用于优化深度学习编译器测试用例的执行顺序，从而提高测试效率。本方法由数据预处理、数据集构建、预测器和调度器四个模块组成。数据预处理模块负责从深度学习模型中提取算子特征、边特征及结构特征，并转换为消息传递神经网络的输入；数据集构建模块利用NNSmith等模型生成工具，生成大量的深度学习模型，使用数据预处理模块提取每个模型的特征，并判断每个模型是否触发了目标编译器的错误；预测器负责利用模型的特征信息预测一个模型是否会引发目标编译器的错误；调度器模块负责对测试用例集合中的模型进行排序，决定将哪些模型输入给目标编译器。