目前，关于神经网络代码，并没有一个特别完善的单元测试的在线教程。甚至像 OpenAI 这样的站点，也只能靠 盯着每一行看来思考哪里错了来寻找 bug。很明显，大多数人没有那样的时间，并且也讨厌这么做。所以希望这篇教程能帮助你开始稳健的测试系统。

首先来看一个简单的例子，尝试找出以下代码的 bug。

看出来了吗？网络并没有实际融合（stacking）。写这段代码时，只是复制、粘贴了 slim.conv2d(…) 这行，修改了核（kernel）大小，忘记修改实际的输入。

这个实际上是作者一周前刚刚碰到的状况，很尴尬，但是也是重要的一个教训！这些 bug 很难发现，有以下原因。

• 这些代码不会崩溃，不会抛出异常，甚至不会变慢。
• 这个网络仍然能训练，并且损失（loss）也会下降。
• 运行多个小时后，值回归到很差的结果，让人抓耳挠腮不知如何修复。

只有最终的验证错误这一条线索情况下，必须回顾整个网络架构才能找到问题所在。很明显，你需要需要一个更好的处理方式。

比起在运行了很多天的训练后才发现，我们如何提前预防呢？这里可以明显注意到，层（layers）的值并没有到达函数外的任何张量（tensors）。在有损失和优化器情况下，如果这些张量从未被优化，它们会保持默认值。

因此，只需要比较值在训练步骤前后有没有发生变化，我们就可以发现这种情况。

哇。只需要短短 15 行不到的代码，就能保证至少所有创建的变量都被训练到了。

这个测试，简单但是却很有用。现在问题修复了，让我们来尝试添加批量标准化。看你能否用眼睛看出 bug 来。

发现了吗？这个 bug 很巧妙。在 tensorflow 中，batch_norm 的 is_training 默认值是 False，所以在训练过程中添加这行代码，会导致输入无法标准化！幸亏，我们刚刚添加的那个单元测试会立即捕捉到这个问题！（3 天前，它刚刚帮助我捕捉到这个问题。）

让我们看另外一个例子。这是我从 reddit 帖子中看来的。我们不会太深入原帖，简单的说，发帖的人想要创建一个分类器，输出的范围在 0 到 1 之间。看看你能否看出哪里不对。

发现问题了吗？这个问题很难发现，结果非常难以理解。简单的说，因为预测只有单个输出值，应用了 softmax 交叉熵函数后，损失就会永远是 0 了。

最简单的发现这个问题的测试方式，就是保证损失永远不等于 0。

我们第一个实现的测试，也能发现这种错误，但是要反向检查：保证只训练需要训练的变量。就生成式对抗网络（GAN）为例，一个常见的 bug 就是在优化过程中不小心忘记设置需要训练哪个变量。这样的代码随处可见。

这段代码最大的问题是，优化器默认会优化所有的变量。在像生成式对抗网络这样高级的结构中，这意味着遥遥无期的训练时间。然而只需要一个简单测试，就可以检查到这种错误：

也可以对判定模型（discriminator）写一个同类型的测试。同样的测试，也可以应用来加强大量其他的学习算法。很多演员评判家（actor-critic）模型，有不同的网络需要用不同的损失来优化。

这里列出一些作者推荐的测试模式。

• 确保输入的确定性。如果发现一个诡异的失败测试，但是却再也无法重现，将会是很糟糕的事情。在特别需要随机输入的场景下，确保用了同一个随机数种子。这样出现了失败后，可以再次以同样的输入重现它。
• 确保测试很精简。不要用同一个单元测试检查回归训练和检查一个验证集合。这样做只是浪费时间。
• 确保每次测试时都重置了图。

作为总结，这些黑盒算法仍然有大量方法来测试！花一个小时写一个简单的测试，可以节约成天的重新运行时间，并且大大提升你的研究能力。天才的想法，永远不要因为一个充满 bug 的实现而无法成为现实。

这篇文章列出的测试远远没有完备，但是是一个很好的起步！如果你发现有其他的建议或者某种特定类型的测试，请在 twitter 上给我消息！我很乐意写这篇文章的续集。

文章中所有的观点，仅代表作者的个人经验，并没有 Google 的支持、赞助。

查看英文原文

https://medium.com/@keeper6928/how-to-unit-test-machine-learning-code-57cf6fd81765