如何让py.test为每个测试启动独立进程？TensorFlow测试配置求助

这确实是TensorFlow测试里非常棘手的问题——它的全局状态（比如eager execution的启用状态、默认计算图）很容易在测试之间互相污染，尤其是eager模式一旦开启就没法关闭，直接导致后续测试全部异常。我来分享几个实用的解决方案：

1. 用pytest-xdist实现进程级隔离（最推荐） #

完全可以让pytest为每个测试启动独立进程，彻底隔离全局状态。这里要用到pytest-xdist插件的--forked选项：

步骤： #

• 先安装插件：

  pip install pytest-xdist
  

• 运行测试时加上--forked参数：

  pytest --forked
  

• 或者把配置写入pytest.ini，以后直接运行pytest就行：

  [pytest]
  addopts = --forked
  

原理： #

每个测试函数都会在独立的子进程中执行，进程之间的内存空间完全隔离——也就是说，某个进程里启用了eager execution，完全不会影响其他进程的TensorFlow状态。你的参数化fixture也能正常工作：每个参数对应的测试都会在单独进程里初始化自己的会话，彻底避免状态污染。

注意事项： #

• 进程启动会带来一点性能开销，但对于测试来说通常可以接受；
• 会话级（scope="session"）的fixture会在每个进程里单独初始化一次，刚好匹配我们的需求——每个进程对应一个独立的TensorFlow环境。

2. 避免在同一会话中混合不同模式 #

如果不想用进程隔离，那只能把普通TensorFlow会话和eager模式的测试分开执行：

• 把eager模式的测试单独标记，比如：

  @pytest.mark.eager
  def test_convolution_eager(session, ...):
      # 仅在eager模式下运行的测试
      ...
  

• 然后分两次运行pytest，分别指定不同的配置：

  # 运行普通模式测试
  pytest -m "not eager" --tb=short
  # 运行eager模式测试
  pytest -m eager --tb=short
  

这种方法不需要额外插件，但缺点是需要手动拆分测试，而且没法在同一次测试运行中覆盖两种模式。

3. 手动清理TensorFlow状态（仅适用于普通会话） #

对于普通TensorFlow会话的测试，可以在每个测试前后清理全局状态，但这个方法对eager模式无效（因为eager一旦开启无法关闭）：

可以写一个自动生效的fixture来清理状态：

import tensorflow as tf
import pytest

@pytest.fixture(autouse=True)
def reset_tensorflow_state():
    # 测试前重置默认图和会话
    tf.keras.backend.clear_session()
    yield
    # 测试后再次清理
    tf.keras.backend.clear_session()

这个fixture会自动作用于所有测试，能避免普通会话之间的状态污染，但对eager模式的测试无能为力，所以只能作为辅助手段。

回到你的问题：是的，pytest可以通过pytest-xdist --forked为每个测试创建新进程，这也是解决TensorFlow全局状态污染最彻底的方案。如果不想用进程隔离，拆分测试分组执行是次优选择。

内容的提问来源于stack exchange，提问作者DikobrAz