女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

關于模型設計開發過程中的正確模型的選擇指導

MATLAB ? 來源:djl ? 作者:董淑成 ? 2019-09-17 15:13 ? 次閱讀

在基于模型設計的開發過程中,一定要拿正確的模型去生成代碼。

有人要問:什么樣的模型才算得上正確的模型?

我認為:

至少,正確的模型應該是經過充分驗證的。

除了“充分驗證”,還應該滿足什么條件呢?

我能想到的就是“可驗證”。

“可驗證”也是充分驗證的前提。

關于模型設計開發過程中的正確模型的選擇指導

模型的“可驗證”以后會專門介紹,本文就說說模型中代碼生成之前可以做哪些驗證。按照模型是否需要運行來劃分,可以把驗證分為靜態驗證和動態驗證兩大類。

M靜態驗證

靜態驗證有評審、靜態檢查、形式化驗證等方式。

評審是質量體系要求的

通常我們模型畫完之后,需要通過評審的方式去評審模型是否實現了相應的需求。那么,評審發生的時刻應該如何把握?是否在畫完模型之后緊跟著就去做評審呢?我個人認為,如果有工具可以幫我們實現靜態檢查,我們為什么不先做靜態檢查呢?先做靜態檢查的好處是把可以通過工具發現的軟件缺陷在評審之前消除掉,這樣可以避免在評審的時候在此類問題上浪費時間。

靜態檢查

目前MATLAB通過Simulink Verification & Validation(以下簡稱SLVnV)提供了Model Advisor,可以實現建模標準的靜態檢查,實現起來也不困難,并且工具還具有可定制功能,可以在SLVnV提供的諸多檢查項里挑選適合自己開發團隊的檢查集,也有可能有一些檢查是Model Advisor沒有提供的,這種情況下,也可以通過編寫MATLAB程序的方式定制檢查項。

形式化驗證

MATLAB提供了Simulink Design Verifier(以下簡稱SLDV)產品,可以對模型進行形式化驗證。SLDV可以檢查模型中是否有整數溢出,或者是否有死邏輯。這兩類錯誤都是很容易被評審和功能測試錯過的錯誤,其實,軟件里一旦發現有這兩類錯誤,復現或者定位這兩類錯誤都非常困難,而SLDV可以通過分析模型的給出發生或者可能發生錯誤的環節。另外,需要注意的是,在模型評審或者功能測試過程中,我們都可能發現一些軟件缺陷,發現這些缺陷之后,我們需要修改模型,模型經過修改可能會再次引入數據溢出或者死邏輯之類的錯誤,所以建議做功能測試之后,再次使用SLDV檢查一下模型。

M動態驗證

動態驗證主要有功能測試。功能測試可以分為單元級功能測試和集成級功能測試兩個階段。如果系統比較大,集成級功能測試還會繼續劃分為組件級集成測試和系統級集成測試。

單元級功能測試

也就是我們經常提到的單元測試,單元測試的測試用例需要用戶根據需求編寫,寫完測試用例就是執行測試過程,測試過程的執行要盡量自動化。這個階段的測試工作量非常大,通常花在單元測試上的時間會明顯大于建模的時間,這往往是很多開發者難以接受的,很多人從心理上沒有這個準備,一般認為模型畫完就接近大功告成,所以不會計劃很多時間在模型測試上,這個想法是非常危險的。當然,這個階段的測試是否完善可以通過“測試覆蓋率”這個數據來把握。覆蓋率沒有達到預定的目標就要繼續增加測試用例。

測試覆蓋率應該從兩個層面去度量:

一需求覆蓋率,測試用例所覆蓋的需求比例;

一結構覆蓋率,測試用例所覆蓋的軟件實現的分支。

對于工具,Simulink只能從結構上度量哪些分支測過哪些分支沒測過,需求覆蓋率通常需要測試者自己去把握。對于結構覆蓋率,我們有條件覆蓋(Condition Coverage)、判定覆蓋(Decision Coverage)、MC/DC覆蓋等。

集成級功能測試

集成測試的目的和單元測試是不同的,集成測試要求做單元測試結束之后才可以進行。集成測試主要測試不同單元模塊之間從接口上、調度上是否有問題,有時候集成測試也可以發現不同單元模塊之間需求上的沖突。集成測試不會有結構覆蓋率要求。

集成測試的實現方式有模型上的集成測試,也可能會結合硬件進行測試,比如我們經常提到的快速原型,是否要結合硬件要取決于是否有條件和是否有必要這樣做,這里不做展開。

到此,如果模型經過了各種靜態驗證,再經過足夠的動態驗證,我們可以認為模型已經正確了吧?

接下來,就可以對正確的模型進行代碼生成工作了。

當然,上述驗證活動都是建立在“模型可驗證”的基礎上的,模型的“可驗證”如何去把握,這我們后面再專門討論。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 數據管理
    +關注

    關注

    1

    文章

    311

    瀏覽量

    19940
  • 靜態驗證
    +關注

    關注

    0

    文章

    8

    瀏覽量

    6040
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    使用CY7C65213開發過程中,應該用哪個interface進行uart通信?

    在使用CY7C65213開發過程中,我想用CyUartRead讀數據,但是好像沒有接口的deviceType是CY_TYPE_UART,想請問我應該用哪個interface進行uart通信? 是否有相關指導文件,或描述符指導
    發表于 06-03 07:04

    KaihongOS操作系統FA模型與Stage模型介紹

    KaihongOS中提供了不同的開發方式和架構選擇,Stage模型因其在分布式應用開發的優勢而被推薦使用。 說明:KaihongOS文檔中
    發表于 04-24 07:27

    在linux下開發過程中, DLP4500 GUI無法連接光機怎么解決?

    在linux下開發過程中, DLP4500 GUI 無法連接光機,出現錯誤提示如下: open device_handle error: Is a directory opening path
    發表于 02-20 08:41

    添越智創基于 RK3588 開發板部署測試 DeepSeek 模型全攻略

    能耗。 DeepSeek轉換完成的RKLLM模型如下圖所示: 然后將其傳輸到開發板上,使用對應的可執行文件運行即可,運行之后如下圖所示: 接下來向該模型提出問題即可,回復內容如下所示: 在回復的
    發表于 02-14 17:42

    字節豆包大模型團隊提出稀疏模型架構

    字節跳動豆包大模型Foundation團隊近期研發出UltraMem,一種創新的稀疏模型架構,旨在解決推理過程中的訪存問題,同時確保模型效果不受影響。
    的頭像 發表于 02-13 15:25 ?524次閱讀

    【「基于大模型的RAG應用開發與優化」閱讀體驗】+大模型微調技術解讀

    重復項或使用編輯距離算法比較文本相似度。數據標注:高質量的數據標注直接影響模型的性能。標注過程應遵循明確標注規則、選擇合適的標注工具、進行多輪審核和質量控制等原則。數據增強:提高模型
    發表于 01-14 16:51

    【「大模型啟示錄」閱讀體驗】如何在客服領域應用大模型

    的功能和性能。因此,選擇具有良好可擴展性的模型可以適應未來業務的發展需求。在客服領域,處理客戶數據時可能涉及敏感信息。因此,在選擇模型時需要考慮其安全措施和隱私保護能力。確保數據傳輸和
    發表于 12-17 16:53

    云端語言模型開發方法

    云端語言模型開發是一個復雜而系統的過程,涉及數據準備、模型選擇、訓練優化、部署應用等多個環節。下面,AI部落小編為您分享云端語言
    的頭像 發表于 12-02 10:48 ?599次閱讀

    大語言模型如何開發

    大語言模型開發是一個復雜且細致的過程,涵蓋了數據準備、模型架構設計、訓練、微調和部署等多個階段。以下是對大語言模型
    的頭像 發表于 11-04 10:14 ?521次閱讀

    Meta推出可自我評估AI模型

    Meta近期宣布了一項重要的人工智能進展,即將發布一系列全新的人工智能模型。其中,一款能夠自我評估的模型尤為引人注目,這一創新有望顯著減少人工智能開發過程中的人類參與。
    的頭像 發表于 10-22 17:07 ?606次閱讀

    【實操文檔】在智能硬件的大模型語音交互流程接入RAG知識庫

    就不講太多了,這里實操用CSK6大模型開發板接入自建的空調產品手冊知識庫演示接入過程,只要對照文檔步驟就可以完成操作。操作過程中遇到問題,也可以參考后半部分的排錯流程來定位和解決問題。
    發表于 09-29 17:12

    NVIDIA助力提供多樣、靈活的模型選擇

    在本案例,Dify 以模型中立以及開源生態的優勢,為廣大 AI 創新者提供豐富的模型選擇。其集成的 NVIDIAAPI Catalog、NVIDIA NIM和Triton 推理服務器
    的頭像 發表于 09-09 09:19 ?841次閱讀

    PyTorch神經網絡模型構建過程

    PyTorch,作為一個廣泛使用的開源深度學習庫,提供了豐富的工具和模塊,幫助開發者構建、訓練和部署神經網絡模型。在神經網絡模型,輸出層是尤為關鍵的部分,它負責將
    的頭像 發表于 07-10 14:57 ?818次閱讀

    模型單卡的正確使用步驟

    引言 在當今科技飛速發展的時代,大模型單卡作為一種高效的數據處理工具,廣泛應用于各個領域。然而,正確使用大模型單卡對于提高工作效率、保證數據安全等方面至關重要。本文將從大模型單卡的工作
    的頭像 發表于 07-05 14:32 ?1039次閱讀

    深度學習模型訓練過程詳解

    詳細介紹深度學習模型訓練的全過程,包括數據預處理、模型構建、損失函數定義、優化算法選擇、訓練過程以及模型
    的頭像 發表于 07-01 16:13 ?2399次閱讀