在過去的一年裡，我把大部分的工作時間都花在了深度學習研究和實習上。那一年，我犯了很多大錯誤，這些錯誤不僅幫助我了解了ML，還幫助我了解了如何正確而穩健地設計這些系統。我在谷歌Brain學到的一個主要原則是，單元測試可以決定算法的成敗，可以為你節省數周的調試和訓練時間。
然而，在如何為神經網絡代碼編寫單元測試方面，似乎沒有一個可靠的在線教程。即使是像OpenAI這樣的地方，也只是通過盯著他們代碼的每一行，並試著思考為什麼它會導致bug來發現bug的。顯然，我們大多數人都沒有這樣的時間，所以希望本教程能夠幫助你開始理智地測試你的系統！
讓我們從一個簡單的例子開始。試著找出這段代碼中的錯誤。
def make_convnet(input_image): net = slim.conv2d(input_image, 32, [11, 11], scope="conv1_11x11") net = slim.conv2d(input_image, 64, [5, 5], scope="conv2_5x5") net = slim.max_pool2d(net, [4, 4], stride=4, scope='pool1') net = slim.conv2d(input_image, 64, [5, 5], scope="conv3_5x5") net = slim.conv2d(input_image, 128, [3, 3], scope="conv4_3x3") net = slim.max_pool2d(net, [2, 2], scope='pool2') net = slim.conv2d(input_image, 128, [3, 3], scope="conv5_3x3") net = slim.max_pool2d(net, [2, 2], scope='pool3') net = slim.conv2d(input_image, 32, [1, 1], scope="conv6_1x1") return net你看到了嗎？網絡實際上並沒有堆積起來。在編寫這段代碼時，我複製並粘貼了slim.conv2d(…)行，並且只修改了內核大小，而沒有修改實際的輸入。
我很不好意思地說，這件事在一周前就發生在我身上了……但這是很重要的一課！由於一些原因，這些bug很難捕獲。
幾個小時後，這些值就會收斂，但結果卻非常糟糕，讓你摸不著頭腦，不知道需要修復什麼。
當你唯一的反饋是最終的驗證錯誤時，你惟一需要搜索的地方就是你的整個網絡體系結構。不用說，你需要一個更好的系統。
那麼，在我們進行完整的多日訓練之前，我們如何真正抓住這個機會呢？關於這個最容易注意到的是層的值實際上不會到達函數外的任何其他張量。假設我們有某種類型的損失和一個優化器，這些張量永遠不會得到優化，所以它們總是有它們的默認值。
我們可以通過簡單的訓練步驟和前後對比來檢測它。
def test_convnet(): image = tf.placeholder(tf.float32, (None, 100, 100, 3) model = Model(image) sess = tf.Session() sess.run(tf.global_variables_initializer()) before = sess.run(tf.trainable_variables()) _ = sess.run(model.train, feed_dict={ image: np.ones((1, 100, 100, 3)), }) after = sess.run(tf.trainable_variables()) for b, a, n in zip(before, after): # Make sure something changed. assert (b != a).any()在不到15行代碼中，我們現在驗證了至少我們創建的所有變量都得到了訓練。
這個測試超級簡單，超級有用。假設我們修復了前面的問題，現在我們要開始添加一些批歸一化。看看你能否發現這個bug。
def make_convnet(image_input): # Try to normalize the input before convoluting net = slim.batch_norm(image_input) net = slim.conv2d(net, 32, [11, 11], scope="conv1_11x11") net = slim.conv2d(net, 64, [5, 5], scope="conv2_5x5") net = slim.max_pool2d(net, [4, 4], stride=4, scope='pool1') net = slim.conv2d(net, 64, [5, 5], scope="conv3_5x5") net = slim.conv2d(net, 128, [3, 3], scope="conv4_3x3") net = slim.max_pool2d(net, [2, 2], scope='pool2') net = slim.conv2d(net, 128, [3, 3], scope="conv5_3x3") net = slim.max_pool2d(net, [2, 2], scope='pool3') net = slim.conv2d(net, 32, [1, 1], scope="conv6_1x1") return net你看到了嗎？這個非常微妙。您可以看到，在tensorflow batch_norm中，is_training的默認值是False，所以添加這行代碼並不能使你在訓練期間的輸入正常化！值得慶幸的是，我們編寫的最後一個單元測試將立即發現這個問題！(我知道，因為這是三天前發生在我身上的事。)
再看一個例子。這實際上來自我一天看到的一篇文章(https://www.reddit.com/r/MachineLearning/comments/6qyvvg/p_tensorflow_response_is_making_no_sense/)。我不會講太多細節，但是基本上這個人想要創建一個輸出範圍為(0,1)的分類器。
class Model: def __init__(self, input, labels): """Classifier model Args: input: Input tensor of size (None, input_dims) label: Label tensor of size (None, 1). Should be of type tf.int32. """ prediction = self.make_network(input) # Prediction size is (None, 1). self.loss = tf.nn.softmax_cross_entropy_with_logits( logits=prediction, labels=labels) self.train_op = tf.train.AdamOptimizer().minimize(self.loss)注意到這個錯誤嗎？這是真的很難提前發現，並可能導致超級混亂的結果。基本上，這裡發生的是預測只有一個輸出，當你將softmax交叉熵應用到它上時，它的損失總是0。
一個簡單的測試方法是確保損失不為0。
def test_loss(): in_tensor = tf.placeholder(tf.float32, (None, 3)) labels = tf.placeholder(tf.int32, None, 1)) model = Model(in_tensor, labels) sess = tf.Session() loss = sess.run(model.loss, feed_dict={ in_tensor:np.ones(1, 3), labels:[[1]] }) assert loss != 0另一個很好的測試與我們的第一個測試類似，但是是反向的。你可以確保只有你想訓練的變量得到了訓練。以GAN為例。出現的一個常見錯誤是在進行優化時不小心忘記設置要訓練的變量。這樣的代碼經常發生。
class GAN: def __init__(self, z_vector, true_images): # Pretend these are implemented. with tf.variable_scope("gen"): self.make_geneator(z_vector) with tf.variable_scope("des"): self.make_descriminator(true_images) opt = tf.AdamOptimizer() train_descrim = opt.minimize(self.descrim_loss) train_gen = opt.minimize(self.gen_loss)這裡最大的問題是優化器有一個默認設置來優化所有變量。在像GANs這樣的高級架構中，這是對你所有訓練時間的死刑判決。但是，你可以通過編寫這樣的測試來輕鬆地發現這些錯誤:
def test_gen_training(): model = Model sess = tf.Session() gen_vars = tf.get_collection(tf.GraphKeys.VARIABLES, scope='gen') des_vars = tf.get_collection(tf.GraphKeys.VARIABLES, scope='des') before_gen = sess.run(gen_vars) before_des = sess.run(des_vars) # Train the generator. sess.run(model.train_gen) after_gen = sess.run(gen_vars) after_des = sess.run(des_vars) # Make sure the generator variables changed. for b,a in zip(before_gen, after_gen): assert (a != b).any() # Make sure descriminator did NOT change. for b,a in zip(before_des, after_des): assert (a == b).all()可以為鑑別器編寫一個非常類似的測試。同樣的測試也可以用於許多強化學習算法。許多行為-批評模型有單獨的網絡，需要根據不同的損失進行優化。
下面是一些我推薦你進行測試的模式。
讓測試具有確定性。如果一個測試以一種奇怪的方式失敗，卻永遠無法重現這個錯誤，那就太糟糕了。如果你真的想要隨機輸入，確保使用種子隨機數，這樣你就可以輕鬆地重新運行測試。
保持測試簡短。不要使用單元測試來訓練收斂性並檢查驗證集。這樣做是在浪費自己的時間。
總之，這些黑箱算法仍然有很多方法需要測試！花一個小時寫一個測試可以節省你幾天的重新運行訓練模型，並可以大大提高你的研究效率。因為我們的實現有缺陷而不得不放棄完美的想法，這不是很糟糕嗎？
這個列表顯然不全面，但它是一個堅實的開始！