CN114218069B - 回归测试方法、装置、电子设备及存储介质 - Google Patents

回归测试方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114218069B
CN114218069B CN202111353264.1A CN202111353264A CN114218069B CN 114218069 B CN114218069 B CN 114218069B CN 202111353264 A CN202111353264 A CN 202111353264A CN 114218069 B CN114218069 B CN 114218069B
Authority
CN
China
Prior art keywords
test
adjusted
test case
adjustment
adjustment value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111353264.1A
Other languages
English (en)
Other versions
CN114218069A (zh
Inventor
金鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111353264.1A priority Critical patent/CN114218069B/zh
Publication of CN114218069A publication Critical patent/CN114218069A/zh
Priority to EP22189426.4A priority patent/EP4180968A1/en
Priority to US17/884,899 priority patent/US11669672B1/en
Application granted granted Critical
Publication of CN114218069B publication Critical patent/CN114218069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3676—Test management for coverage analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3692—Test management for test results analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Testing Of Individual Semiconductor Devices (AREA)

Abstract

本公开提供了回归测试方法、装置、电子设备及存储介质，涉及人工智能芯片、云计算以及智能语音等人工智能领域，其中的方法可包括：当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例；对待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整。应用本公开所述方案，可提升测试效率等。

Description

回归测试方法、装置、电子设备及存储介质
技术领域
本公开涉及人工智能技术领域，特别涉及人工智能芯片、云计算以及智能语音等领域的回归测试方法、装置、电子设备及存储介质。
背景技术
回归测试是集成电路芯片(IC，Integrated Circuit)验证中的一种重要测试，所述集成电路芯片可为智能语音芯片等。回归测试过程中可产生大量的随机用例去遍历仿真各种情况，通过回归测试可有效提高代码覆盖率等。
在实际应用中，回归测试通常需要耗费较长的时间，效率低下，但针对该问题，目前还没有一种较好的解决方式。
发明内容
本公开提供了回归测试方法、装置、电子设备及存储介质。
一种回归测试方法，包括：
当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例；
对所述待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整。
一种回归测试装置，包括：第一处理模块以及第二处理模块；
所述第一处理模块，用于当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例；
所述第二处理模块，用于对所述待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整。
一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果：采用了自适应调整的回归测试方式，可根据已执行的回归测试的测试结果调整后续的回归测试的数据随机化方向，从而提升了测试效率等。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开所述回归测试方法第一实施例的流程图；
图2为本公开所述回归测试方法第二实施例的流程图；
图3为本公开所述回归测试装置实施例300的组成结构示意图；
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本公开所述回归测试方法第一实施例的流程图。如图1所示，包括以下具体实现方式。
在步骤101中，当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例。
在步骤102中，对待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整。
可以看出，上述方法实施例所述方案中，采用了自适应调整的回归测试方式，可根据已执行的回归测试的测试结果调整后续的回归测试的数据随机化方向，从而提升了测试效率等。
在实际应用中，针对被测对象，通常会执行多次回归测试，直到符合结束条件，如达到预定的代码覆盖率要求。
本公开所述方案中，当任一次回归测试执行完成时，可根据本次测试的测试结果从各测试用例中确定出待调整测试用例。本次测试即指最近一次执行完成的回归测试。
本公开的一个实施例中，待调整测试用例可包括：正向待调整测试用例，相应地，根据本次测试的测试结果从各测试用例中确定出正向待调整测试用例可包括：针对本次测试的测试结果为通过(pass)的任一测试用例，若确定该测试用例在包括本次测试的连续M次测试中的测试结果均为通过，则将该测试用例作为正向待调整测试用例，M为正整数。
每次回归测试均会用到所有的测试用例，对于每个测试用例来说，其测试结果要么为通过，要么为未通过(fail)。
M的具体取值可根据实际需要而定，可以为1，也可以大于1。若M的取值为1，那么表示针对任一测试用例，若其本次测试的测试结果为通过，则可将该测试用例作为正向待调整测试用例，若M的取值大于1，假设为3，那么表示当本次测试以及本次测试之前的两次测试中、该测试用例的测试结果均为通过时，才会将该测试用例作为正向待调整测试用例。具体采用哪种方式可根据实际需要而定，非常的灵活方便。
针对任一正向待调整测试用例，可对其本次测试随机到的数据范围对应的随机化权重进行调整，本公开的一个实施例中，可减小该正向待调整测试用例本次测试随机到的数据范围对应的随机化权重，其它数据范围对应的随机化权重可保持不变。
通常来说，随机化权重越高，被随机到的概率越大，反之越小，因此，通过减小正向待调整测试用例本次测试随机到的数据范围对应的随机化权重，可使得下一次测试时尽量随机到其它数据范围，以实现快速提升代码覆盖率，即提升测试效率等。
针对每个测试用例，在初始化时，即执行首次回归测试之前，可设置初始的随机化权重，比如，可设置不同的数据范围对应的随机化权重相同，即用例数据在要求范围内完全随机，也可支持局部重点测试，即初始时即可针对特定数据范围设置与其它不同的随机化权重，具体实现方式不限。
本公开的一个实施例中，针对任一正向待调整测试用例，可首先确定出本次调整的调整值，之后可用该正向待调整测试用例本次测试随机到的数据范围当前对应的随机化权重减去所述调整值，从而得到减小后的随机化权重。
本公开的一个实施例中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。即本公开所述方案中支持不同的调整值确定方式，非常的灵活方便。
调整步进的具体取值可根据实际需要而定，而且，在设定之后，可根据实际需要随时进行修改/调整。
相应地，在确定调整值时，可直接将当前的调整步进作为所述调整值，也可以结合当前的调整步进及预先设定的规则确定出所述调整值，所述规则具体为何种规则不作限制，同样可根据实际需要而定，比如，可将M*调整步进作为所述调整值。
本公开的一个实施例中，待调整测试用例还可包括：负向待调整测试用例，相应地，根据本次测试的测试结果从各测试用例中确定出负向待调整测试用例可包括：将本次测试的测试结果为未通过的测试用例作为负向待调整测试用例。
针对任一负向待调整测试用例，可对其本次测试随机到的数据范围对应的随机化权重进行调整，本公开的一个实施例中，可增大该负向待调整测试用例本次测试随机到的数据范围对应的随机化权重，其它数据范围对应的随机化权重可保持不变。
通过增大负向待调整测试用例本次测试随机到的数据范围对应的随机化权重，可使得下一次测试时尽量随机到该数据范围，以实现对错误区域附近的重点测试等。
本公开的一个实施例中，针对任一负向待调整测试用例，可首先确定出本次调整的调整值，之后可用该负向待调整测试用例本次测试随机到的数据范围当前对应的随机化权重加上所述调整值，从而得到增大后的随机化权重。
本公开的一个实施例中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。
调整步进的具体取值可根据实际需要而定，而且，在设定之后，可根据实际需要随时进行修改/调整。
相应地，在确定调整值时，可直接将当前的调整步进作为所述调整值，也可以结合当前的调整步进及预先设定的规则确定出所述调整值，所述规则具体为何种规则不作限制。
基于上述介绍，图2为本公开所述回归测试方法第二实施例的流程图。如图2所示，包括以下具体实现方式。
在步骤201中，执行首次回归测试。
针对每个测试用例，在初始化时，可设置初始的随机化权重。
在步骤202中，确定是否达到预定的代码覆盖率要求，若是，则结束流程，否则，执行步骤203。
在步骤203中，针对每个测试用例，分别按照步骤204-步骤206所示方式进行处理。
在步骤204中，确定该测试用例的测试结果为通过还是未通过，若为通过，则执行步骤205，若为未通过，则执行步骤206。
在步骤205中，将该测试用例作为正向待调整测试用例，并减小该正向待调整测试用例本次测试随机到的数据范围对应的随机化权重，之后执行步骤207。
比如，可首先确定出本次调整的调整值，之后可用该正向待调整测试用例本次测试随机到的数据范围当前对应的随机化权重减去所述调整值，从而得到减小后的随机化权重。
其中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。
假设直接将调整步进作为所述调整值，那么可计算调整前的随机化权重(当前对应的随机化权重)与所述调整值之差，将计算结果作为调整后的随机化权重，即减小后的随机化权重。
另外，可以看出，本实施例中假设M的取值为1。
在步骤206中，将该测试用例作为负向待调整测试用例，并增大该负向待调整测试用例本次测试随机到的数据范围对应的随机化权重，之后执行步骤207。
比如，可首先确定出本次调整的调整值，之后可用该负向待调整测试用例本次测试随机到的数据范围当前对应的随机化权重加上所述调整值，从而得到增大后的随机化权重。
其中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。
假设直接将调整步进作为所述调整值，那么可计算调整前的随机化权重与所述调整值之和，将计算结果作为调整后的随机化权重，即增大后的随机化权重。
在步骤207中，当所有测试用例均按照上述方式处理完毕后，执行下一次回归测试，之后重复执行步骤202。
如何执行回归测试为现有技术。
需要说明的是，对于前述的各方法实施例，为了简单描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。另外，某个实施例中没有详述的部分，可以参见其它实施例中的相关说明。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图3为本公开所述回归测试装置实施例300的组成结构示意图。如图3所示，包括：第一处理模块301以及第二处理模块302。
第一处理模块301，用于当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例。
第二处理模块302，用于对待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整。
上述装置实施例所述方案中，采用了自适应调整的回归测试方式，可根据已执行的回归测试的测试结果调整后续的回归测试的数据随机化方向，从而提升了测试效率等。
在实际应用中，针对被测对象，通常会执行多次回归测试，直到符合结束条件，如达到预定的代码覆盖率要求。
本公开所述方案中，当任一次回归测试执行完成时，第一处理模块301可根据本次测试的测试结果从各测试用例中确定出待调整测试用例。
本公开的一个实施例中，待调整测试用例可包括：正向待调整测试用例，相应地，第一处理模块301根据本次测试的测试结果从各测试用例中确定出正向待调整测试用例可包括：针对本次测试的测试结果为通过的任一测试用例，若确定该测试用例在包括本次测试的连续M次测试中的测试结果均为通过，则将该测试用例作为正向待调整测试用例，M为正整数。
每次回归测试均会用到所有的测试用例，对于每个测试用例来说，其测试结果要么为通过，要么为未通过。
M的具体取值可根据实际需要而定，可以为1，也可以大于1。若M的取值为1，那么表示针对任一测试用例，若其本次测试的测试结果为通过，则可将该测试用例作为正向待调整测试用例，若M的取值大于1，假设为3，那么表示当本次测试以及本次测试之前的两次测试中、该测试用例的测试结果均为通过时，才会将该测试用例作为正向待调整测试用例。
针对任一正向待调整测试用例，第二处理模块302可对其本次测试随机到的数据范围对应的随机化权重进行调整，本公开的一个实施例中，可减小该正向待调整测试用例本次测试随机到的数据范围对应的随机化权重。
本公开的一个实施例中，针对任一正向待调整测试用例，第二处理模块302可首先确定出本次调整的调整值，之后可用该正向待调整测试用例本次测试随机到的数据范围对应的随机化权重减去所述调整值，从而得到减小后的随机化权重。
本公开的一个实施例中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。
本公开的一个实施例中，待调整测试用例还可包括：负向待调整测试用例，相应地，第一处理模块301根据本次测试的测试结果从各测试用例中确定出负向待调整测试用例可包括：将本次测试的测试结果为未通过的测试用例作为负向待调整测试用例。
针对任一负向待调整测试用例，第二处理模块302可对其本次测试随机到的数据范围对应的随机化权重进行调整，本公开的一个实施例中，可增大该负向待调整测试用例本次测试随机到的数据范围对应的随机化权重，其它数据范围对应的随机化权重可保持不变。
本公开的一个实施例中，针对任一负向待调整测试用例，第二处理模块302可首先确定出本次调整的调整值，之后可用该负向待调整测试用例本次测试随机到的数据范围对应的随机化权重加上所述调整值，从而得到增大后的随机化权重。
本公开的一个实施例中，可将预先设定的调整步进作为所述调整值，或者，也可结合所述调整步进及预先设定的规则确定出所述调整值。
调整步进的具体取值可根据实际需要而定，而且，在设定之后，可根据实际需要随时进行修改/调整。
图3所示装置实施例的具体工作流程可参照前述方法实施例中的相关说明。
总之，采用本公开所述方案，可根据已执行的回归测试的测试结果调整后续的回归测试的数据随机化方向，既提升了测试效率，又可实现对于错误区域附近的重点测试，确保了测试效果，而且，实现方式简单，并具有普遍适用性等。
本公开所述方案可应用于人工智能领域，特别涉及人工智能芯片、云计算以及智能语音等领域。人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
另外，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种回归测试方法，包括：
当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例，包括：针对本次测试的测试结果为通过的任一测试用例，若确定所述测试用例在包括本次测试的连续M次测试中的测试结果均为通过，则将所述测试用例作为正向待调整测试用例，M为正整数，将本次测试的测试结果为未通过的测试用例作为负向待调整测试用例；
对所述待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整，包括：减小所述正向待调整测试用例本次测试随机到的数据范围对应的随机化权重，增大所述负向待调整测试用例本次测试随机到的数据范围对应的随机化权重；
当所有测试用例均处理完毕后，执行下一次回归测试，直到符合预定的代码覆盖率要求。
2.根据权利要求1所述的方法，其中，所述减小所述正向待调整测试用例本次测试随机到的数据范围对应的随机化权重包括：
确定出本次调整的调整值；
用所述正向待调整测试用例本次测试随机到的数据范围对应的随机化权重减去所述调整值，得到减小后的随机化权重。
3.根据权利要求1所述的方法，其中，所述增大所述负向待调整测试用例本次测试随机到的数据范围对应的随机化权重包括：
确定出本次调整的调整值；
用所述负向待调整测试用例本次测试随机到的数据范围对应的随机化权重加上所述调整值，得到增大后的随机化权重。
4.根据权利要求2或3所述的方法，其中，所述确定出本次调整的调整值包括：
将预先设定的调整步进作为所述调整值；
或者，结合所述调整步进及预先设定的规则确定出所述调整值。
5.一种回归测试装置，包括：第一处理模块以及第二处理模块；
所述第一处理模块，用于当任一次回归测试执行完成时，根据本次测试的测试结果从各测试用例中确定出待调整测试用例，包括：针对本次测试的测试结果为通过的任一测试用例，若确定所述测试用例在包括本次测试的连续M次测试中的测试结果均为通过，则将所述测试用例作为正向待调整测试用例，M为正整数，将本次测试的测试结果为未通过的测试用例作为负向待调整测试用例；
所述第二处理模块，用于对所述待调整测试用例本次测试随机到的数据范围对应的随机化权重进行调整，包括：减小所述正向待调整测试用例本次测试随机到的数据范围对应的随机化权重，增大所述负向待调整测试用例本次测试随机到的数据范围对应的随机化权重，当所有测试用例均处理完毕后，执行下一次回归测试，直到符合预定的代码覆盖率要求。
6.根据权利要求5所述的装置，其中，
所述第二处理模块确定出本次调整的调整值，并用所述正向待调整测试用例本次测试随机到的数据范围对应的随机化权重减去所述调整值，得到减小后的随机化权重。
7.根据权利要求5所述的装置，其中，
所述第二处理模块确定出本次调整的调整值，并用所述负向待调整测试用例本次测试随机到的数据范围对应的随机化权重加上所述调整值，得到增大后的随机化权重。
8.根据权利要求6或7所述的装置，其中，
所述第二处理模块将预先设定的调整步进作为所述调整值，或者，结合所述调整步进及预先设定的规则确定出所述调整值。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-4中任一项所述的方法。
CN202111353264.1A 2021-11-16 2021-11-16 回归测试方法、装置、电子设备及存储介质 Active CN114218069B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111353264.1A CN114218069B (zh) 2021-11-16 2021-11-16 回归测试方法、装置、电子设备及存储介质
EP22189426.4A EP4180968A1 (en) 2021-11-16 2022-08-09 Regression test method and apparatus, electronic device and storage medium
US17/884,899 US11669672B1 (en) 2021-11-16 2022-08-10 Regression test method, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111353264.1A CN114218069B (zh) 2021-11-16 2021-11-16 回归测试方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114218069A CN114218069A (zh) 2022-03-22
CN114218069B true CN114218069B (zh) 2022-09-23

Family

ID=80697362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111353264.1A Active CN114218069B (zh) 2021-11-16 2021-11-16 回归测试方法、装置、电子设备及存储介质

Country Status (3)

Country Link
US (1) US11669672B1 (zh)
EP (1) EP4180968A1 (zh)
CN (1) CN114218069B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750153A (zh) * 2012-06-29 2012-10-24 南京大学 一种基于程序变更的回归测试用例集构建方法
CN108268366A (zh) * 2016-12-30 2018-07-10 腾讯科技（深圳）有限公司 测试用例执行方法及装置
CN111045933A (zh) * 2019-11-27 2020-04-21 深圳云天励飞技术有限公司 一种回归策略更新方法、装置、存储介质及终端设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10474562B2 (en) * 2017-09-20 2019-11-12 Salesforce.Com Machine learning based ranking of test cases for software development
CN110941545A (zh) * 2018-09-25 2020-03-31 中国石油化工股份有限公司 基于缺陷的回归测试用例的处理方法、装置及计算设备
US11263116B2 (en) * 2019-01-24 2022-03-01 International Business Machines Corporation Champion test case generation
US11232020B2 (en) * 2019-06-13 2022-01-25 International Business Machines Corporation Fault detection using breakpoint value-based fingerprints of failing regression test cases
US11132286B1 (en) * 2020-04-16 2021-09-28 International Business Machines Corporation Dynamic reordering of test case execution
CN113391992A (zh) * 2020-12-03 2021-09-14 腾讯科技（深圳）有限公司 测试数据的生成方法和装置、存储介质及电子设备
CN112965903A (zh) * 2021-03-09 2021-06-15 北京百度网讯科技有限公司 测试方法、装置、电子设备及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750153A (zh) * 2012-06-29 2012-10-24 南京大学 一种基于程序变更的回归测试用例集构建方法
CN108268366A (zh) * 2016-12-30 2018-07-10 腾讯科技（深圳）有限公司 测试用例执行方法及装置
CN111045933A (zh) * 2019-11-27 2020-04-21 深圳云天励飞技术有限公司 一种回归策略更新方法、装置、存储介质及终端设备

Also Published As

Publication number Publication date
CN114218069A (zh) 2022-03-22
US11669672B1 (en) 2023-06-06
US20230153511A1 (en) 2023-05-18
EP4180968A1 (en) 2023-05-17

Similar Documents

Publication Publication Date Title
CN112597754B (zh) 文本纠错方法、装置、电子设备和可读存储介质
CN113342345A (zh) 深度学习框架的算子融合方法、装置
CN112669867B (zh) 噪声消除算法的调试方法、装置和电子设备
US20230177326A1 (en) Method and apparatus for compressing neural network model
CN114417780B (zh) 状态同步方法、装置、电子设备及存储介质
CN113641804A (zh) 预训练模型获取方法、装置、电子设备及存储介质
CN112651453A (zh) 损失函数的自适应方法、装置、设备和存储介质
CN114218069B (zh) 回归测试方法、装置、电子设备及存储介质
CN114330221B (zh) 计分板实现方法、计分板、电子设备及存储介质
CN114743586B (zh) 存储器模型的镜像存储实现方法、装置及存储介质
CN113642319B (zh) 文本处理方法、装置、电子设备及存储介质
CN114386577A (zh) 用于执行深度学习模型的方法、设备和存储介质
CN114429211A (zh) 用于生成信息的方法、装置、设备、介质和产品
CN114139605A (zh) 分布式的模型训练方法、系统、设备以及存储介质
CN113807397A (zh) 语义表示模型的训练方法、装置、设备和存储介质
CN113408632A (zh) 提高图像分类准确性的方法、装置、电子设备及存储介质
CN113313049A (zh) 超参数的确定方法、装置、设备、存储介质以及计算机程序产品
CN112817463A (zh) 输入法获取音频数据的方法、设备和存储介质
CN113962191B (zh) 序列随机化方法、装置、电子设备及存储介质
CN113961405B (zh) 状态切换指令验证方法、装置、电子设备及存储介质
CN113553407B (zh) 事件追溯方法、装置、电子设备及存储介质
CN113407844B (zh) 小程序框架的版本推荐方法、装置、设备以及存储介质
CN113011494B (zh) 一种特征处理方法、装置、设备以及存储介质
CN113239296B (zh) 小程序的展示方法、装置、设备和介质
CN113887651A (zh) 对抗样本图像的获取方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant