为什么Hypothesis判定提供的Python测试代码运行速度过慢

导致运行过慢的核心原因 #

• 固定值数组生成方式不合理
  测试时传入elements=ones生成全1数组，stnp.arrays的elements参数会为数组每个元素单独执行一次采样逻辑，即便ones策略只会输出固定值1。当数组规模较大时（代码中g数组最大可达101012*12=14400个元素），逐元素采样会产生大量不必要的开销。如果需要生成固定值数组，直接传入fill参数即可，Hypothesis会直接对整个数组执行批量填充，不需要逐元素采样。
• 存在冗余采样逻辑
  复合策略第一行执行了shape_f = draw(basic_shape)，但后续直接重新赋值了shape_f，之前采样得到的结果完全没有被使用，白白消耗了采样开销。
• 轻量需求使用了重策略
  shapes_2d是用于生成numpy数组形状的策略，本身附带数组维度相关的检查逻辑，仅用它生成两个整数作为padding属于大材小用，也会增加不必要的开销。

优化后代码示例 #

1. 优化复合策略

@composite
def f_and_g_and_padding(draw, in_channels = channel_ints, out_channels = channel_ints, fs = shapes_2d, fill=None, elements=well_behaved_floats):
    # 用轻量的整数元组策略生成padding
    padding = draw(st.tuples(st.integers(min_value=1, max_value=4), st.integers(min_value=1, max_value=4)))
    fs = draw(fs)
    in_channels = draw(in_channels)
    out_channels = draw(out_channels)
    batch_size = draw(shape_ints)
    shape_f = (batch_size, in_channels, fs[0], fs[1])
    f = draw(stnp.arrays(dt_numpy, shape_f, elements=elements, fill=fill))
    h_in = f.shape[2] + padding[0] * 2
    w_in = f.shape[3] + padding[1] * 2
    shape_g = (out_channels, in_channels, h_in, w_in)
    g = draw(stnp.arrays(dt_numpy, shape_g, elements=elements, fill=fill))
    
    return (f, g, padding)

2. 优化测试用例调用

生成全1数组时直接传fill参数而非elements：

@given(f_and_g_and_padding(fill=1))
def test_padding(f_g_padding: Tuple[numpy.ndarray, numpy.ndarray, Tuple[int, int]]):
    f, g, padding = f_g_padding
    run_test(Tensor(f), Tensor(g), padding=padding)

内容的提问来源于stack exchange，提问作者phdoerfler