摘要
本发明属于软件测试领域,涉及一种基于强化学习的深度学习编译器测试加速方法。特征提取模块负责从收集到的深度学习模型进行特征分析,提取深度学习模型的节点特征和边特征,并收集模型编译过程中的不同模块的覆盖率作为阶段的目标结果;多回归覆盖率模型利用提取出来的特征信息和覆盖率进行训练,该模型负责从模型的特征信息中预测该模型在编译过程中的模块覆盖率;强化学习引导模型生成是本发明中的核心模块,主要负责利用强化学习算法和覆盖率模型,使深度学习模型生成工具具有主动探索并生成具备高模块覆盖率的模型用于编译器的测试;编译器测试模块负责利用生成的深度学习模型进行编译器测试,发现潜在的编译器错误。
技术关键词
深度学习模型
编译器测试加速方法
强化学习算法
生成工具
节点特征
代码覆盖率报告
特征提取模块
采取行动
测试模块
异构
开源项目
邻居
参数
控制策略
数据
系统为您推荐了相关专利信息
检测网络流量
网络流量分析方法
序列
门控循环单元
网络嗅探器
匹配推送方法
协同过滤技术
深度学习模型
推荐算法
项目
储能系统调度方法
SAC算法
效能评估模型
光储充
深度强化学习算法
图像数据预处理
评估系统
特征提取模块
模型训练模块
数据存储模块
学习路径推荐方法
综合效用函数
动态权重分配
参数
有效性