cupy.testing.for_all_dtypes

cupy.testing.for_all_dtypes(name='dtype', no_float16=False, no_bool=False, no_complex=False)

一个装饰器，用所有 dtype 检查 fixture。

参数:

• name (str) – 将指定的 dtypes 传递给的参数名称。

• no_float16 (bool) – 如果为 True，则从候选 dtypes 中省略 numpy.float16。

• no_bool (bool) – 如果为 True，则从候选 dtypes 中省略 numpy.bool_。

• no_complex (bool) – 如果为 True，则从候选 dtypes 中省略 numpy.complex64 和 numpy.complex128。

要测试的 dtypes：numpy.complex64 (可选)，numpy.complex128 (可选)，numpy.float16 (可选)，numpy.float32，numpy.float64，numpy.dtype('b')，numpy.dtype('h')，numpy.dtype('i')，numpy.dtype('l')，numpy.dtype('q')，numpy.dtype('B')，numpy.dtype('H')，numpy.dtype('I')，numpy.dtype('L')，numpy.dtype('Q')，以及 numpy.bool_ (可选)。

用法如下所示。此测试 fixture 检查 cPickle 是否能成功重构各种 dtype 的 cupy.ndarray。dtype 是由装饰器插入的参数。

>>> import unittest
>>> from cupy import testing
>>> class TestNpz(unittest.TestCase):
...
...     @testing.for_all_dtypes()
...     def test_pickle(self, dtype):
...         a = testing.shaped_arange((2, 3, 4), dtype=dtype)
...         s = pickle.dumps(a)
...         b = pickle.loads(s)
...         testing.assert_array_equal(a, b)

通常，我们将此装饰器与检查 NumPy 和 CuPy 之间一致性的装饰器（例如 cupy.testing.numpy_cupy_allclose()）结合使用。下面就是一个这样的例子。

>>> import unittest
>>> from cupy import testing
>>> class TestMean(unittest.TestCase):
...
...     @testing.for_all_dtypes()
...     @testing.numpy_cupy_allclose()
...     def test_mean_all(self, xp, dtype):
...         a = testing.shaped_arange((2, 3), xp, dtype)
...         return a.mean()

另请参阅

cupy.testing.for_dtypes()