CN108304174A - 一种基于numpy的高精度C语言算法验证方法 - Google Patents

Abstract

本发明公开了一种基于numpy的高精度C语言算法验证方法，包括：S1、根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；S2、将Python仿真单元进行分类向量聚合；S3、通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；S4、通过实际的使用平台对C语言算法进行相应覆盖度的仿真；S5、根据验证矩阵，验证C语言算法的准确性。有益效果：Numpy是基于目前精确度见长的Fortan科学计算库实现核心计算的软件模块，同时本身也是一个开源平台。通过给定的C语言算法实现基于numpy的算法执行效果验证，不仅能够实现C语言算法的校验，还能够在不同领域内互相借鉴验证成果，加速验证的进程，最终降低产品的成本并提升产品的算法可靠性。

Description

一种基于numpy的高精度C语言算法验证方法

技术领域

本发明涉及控制软件领域,具体来说，涉及一种基于numpy的高精度C语言算法验证方法。

背景技术

代码验证方案设计参考对象很多，测试的手段也很多。而面对多种验证对象与验证方法，很多验证方法验证的过程缺少验证准确性。再加上C语言的行为表现很多时候可能会受到平台以及编译器的影响，因此高精度的可靠性测试成为需要考虑的一个条件。

目前常见的算法技术的实现，一是依赖于昂贵的测试软件，二是选择各种编译器，操作会造成一定的复杂化和不确定性。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于numpy的高精度C语言算法验证方法，能够克服现有技术中的不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种基于numpy的高精度C语言算法验证方法，包括：

S1根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；

S2 将Python仿真单元进行分类向量聚合；

S3 通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；

S4 通过实际的使用平台对C语言算法进行相应覆盖度的仿真；

S5 根据验证矩阵，验证C语言算法的准确性。

作为优选，步骤S1进一步包括：

S11 根据C语言算法提取相同的Python算法；

S12 根据算法是否为浮点运算，分为浮点算法分类或固定点算法分类；

S13 对于S12中的同类算法进行同类算法向量化。

本发明的有益效果：Numpy是基于目前精确度见长的Fortan科学计算库实现核心计算的软件模块，同时本身也是一个开源平台。通过根据给定的C语言算法实现基于numpy的算法执行效果验证，本发明不仅能够实现C语言算法的校验，还能够在不同领域内互相借鉴验证成果，加速验证的进程，最终降低产品的成本并提升产品的算法可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例所述的一种基于numpy的高精度C语言算法验证方法。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，根据本发明实施例所述的一种基于numpy的高精度C语言算法验证方法，包括：

S1根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；

S2 将Python仿真单元进行分类向量聚合；

S3 通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；

S4 通过实际的使用平台对C语言算法进行相应覆盖度的仿真；

S5 根据验证矩阵，验证C语言算法的准确性。

作为优选，步骤S1进一步包括：

S11 根据C语言算法提取相同的Python算法；

S12 根据算法是否为浮点运算，分为浮点算法分类或固定点算法分类；

S13 对于S12中的同类算法进行同类算法向量化。

为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。

在具体使用时，根据本发明所述的一种基于numpy的高精度C语言算法验证方法，以python代码的形式实现基于numpy的算法实现，通过向量加速模式，对算法的python实现进行分类加速仿真并生成相应的输入输出测试参考矩阵。

同时，以csv文件的方式进行参考矩阵的存储，不仅可以用于文本以及电子表格的处理，而且不受操作系统平台限制，加之丰富的成熟处理分析软件可用，通用性极强。

软件的运行只需要一台普通的PC机，可以在Windows、MAC、Linux以及各种UNIXlike的环境中运行。由于采用免费的脚本工具，可以省去标定工具以及商业标定软件，可以节省专业软件费用；同时，由于脚本工具的通用性，只需要简单的拷贝即可在具备先前操作系统的任意PC环境中使用，通用性极强。

综上所述，借助于本发明的上述技术方案，Numpy是基于目前精确度见长的Fortan科学计算库实现核心计算的软件模块，同时本身也是一个开源平台。通过根据给定的C语言算法实现基于numpy的算法执行效果验证，本发明不仅能够实现C语言算法的校验，还能够在不同领域内互相借鉴验证成果，加速验证的进程，最终降低产品的成本并提升产品的算法可靠性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于numpy的高精度C语言算法验证方法，其特征在于，包括：

S1根据分类，分别用基于numpy的python代码实现相应的算法仿真单元；

S2 将Python仿真单元进行分类向量聚合；

S3 通过向量加速技术对向量聚合后的算法进行仿真，生成C语言验证校验矩阵；

S4 通过实际的使用平台对C语言算法进行相应覆盖度的仿真；

S5 根据验证矩阵，验证C语言算法的准确性。

2.根据权利要求1所述的基于numpy的高精度C语言算法验证方法，其特征在于，步骤S1进一步包括：

S11 根据C语言算法提取相同的Python算法；

S12 根据算法是否为浮点运算，分为浮点算法分类或固定点算法分类；

S13 对于S12中的同类算法进行同类算法向量化。