cupy.testing.for_all_dtypes

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

检查所有数据类型的装置的装饰器。

参数:

• name (str) – 传递指定数据类型的参数名称。

• no_float16 (bool) – 如果 True，候选数据类型中将省略 numpy.float16。

• no_bool (bool) – 如果 True，numpy.bool_ 将从候选数据类型中省略。

• no_complex (bool) – 如果 True，则 numpy.complex64 和 numpy.complex128 将从候选数据类型中省略。

要测试的数据类型：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。此测试夹具检查 cPickle 是否成功为各种 dtypes 重建 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结合使用，例如 cupy.testing.numpy_cupy_allclose()。以下是这样一个例子。

>>> 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()

参见

cupy.testing.for_dtypes()