如何使用Pytest测试内部包含Wrapper的Python类私有方法？

嘿，我来帮你捋清楚这个问题～

首先看你遇到的错误：断言失败是因为_conv_bn_activation这个方法返回的是内部定义的wrapper函数，而不是你期望的tfk.Model实例，所以直接用isinstance判断肯定会出错。

问题根源 #

你的_conv_bn_activation是一个工厂方法，它的作用是生成并返回一个闭包函数（也就是那个wrapper），这个函数需要接收输入张量后，才会调用_conv2d_bn创建层并执行前向传播。所以你现在的测试逻辑走偏了——你在断言“工厂方法的返回值是Model”，但实际上工厂方法只负责生产“能创建/调用层的函数”。

修正后的测试方案 #

你需要先拿到这个wrapper函数，再给它传入一个符合要求的测试输入张量，最后根据实际的输出结果来做断言。这里给你一个修改后的测试示例：

import tensorflow as tf
import pytest

@pytest.mark.parametrize('filters', [256, 128])
def test_conv2d_layer(self, filters):
    model = Unet()
    # 1. 获取工厂方法返回的wrapper函数
    conv_wrapper = model._conv_bn_activation(filters=filters, name="conv2d_layer9")
    
    # 2. 创建测试用的输入张量（形状要匹配你的模型输入要求，这里假设是(1, 64, 64, 3)）
    test_input = tf.random.normal(shape=(1, 64, 64, 3))
    
    # 3. 调用wrapper函数，得到层的输出结果
    output_tensor = conv_wrapper(test_input)
    
    # 4. 做针对性的断言：比如检查输出通道数是否等于传入的filters参数
    assert output_tensor.shape[-1] == filters, f"输出通道数不匹配，预期{filters}，实际{output_tensor.shape[-1]}"
    
    # 如果你需要验证内部创建的层类型，也可以直接测试_conv2d_bn方法（如果有必要的话）
    # conv_layer = model._conv2d_bn(
    #     filters=filters,
    #     kernel_size=model.kernel_size_,
    #     activation=model.activation_,
    #     # 其他参数...
    # )
    # assert isinstance(conv_layer, tfk.Model)

额外小提示 #

虽然Python允许直接访问私有方法（通过_前缀），但从软件工程的角度来说，不建议直接测试私有方法——因为私有方法是类的内部实现细节，后续可能会被修改、重构，直接测试会让你的测试用例变得脆弱。如果可以的话，优先测试类的公共API，通过公共方法的输入输出来间接验证私有方法的正确性。

备注：内容来源于stack exchange，提问作者MediaJ