Question

我想为计算相对大量数据的函数的正确性编写一个单元测试，例如，

A = compute_that_matrix()

我现在可以计算一次矩阵，确保结果正确，将原始数据存储为参考数据，然后对其进行测试：

Aref = read_reference_data('reference.dat')
A = compute_that_matrix()
assert(norm(A - Aref) < 1.0e-13)

然而，这需要我发送看似不太理想的二进制blob reference.dat。

断言compute_that_matrix()等函数正确性的其他常用方法是什么？

Answer 1

如果不能选择减少矩阵，那么将正确答案作为数据blob（甚至内联到测试代码中）发送似乎是合理的事情。

如果幸运的话，您可以找到并实施独立的第二种计算正确答案的方法。接下来的挑战是，在测试失败的情况下，有两种不同的代码库可供调试。

Answer 2

虽然您给出的测试可以完成锁定代码以防止意外中断更改，但它并不理想，因为它对结果没有任何说明。参考数据对测试的读者没有任何意义。

该测试也可能过度限制您的结果。您可能会进行一些代码更改，这会使您的代码更清晰或更快，从而无意中将结果更改为无关紧要的数据，或者更改一个您根本不关心的元素，但该测试将禁止这种变化。

你能够以某种方式确保结果是正确的＆＃34;。你是怎么做到的？ 无论你采取什么手动检查结果，都要编写单元测试来检查。你的测试实际上会说一些有用的东西 - 会在某种程度上描述算法，而且他们只会限制什么他们需要约束。