编写基本的单元测试来验证代码的行为。
使用的库：unittest

单元测试框架

python的unittest库的基本单元测试框架可以表示为：

import unittest

class XXXTests(unittest.TestCase): # 第一个测试集
	@classmethod
	def setUpClass(self):
		...
		self.x, self.y = _get_xy() # example func

	def test_a(self): # 第一个单元测试
		...
	def test_b(self): # 第二个单元测试
		self.assertEqual(self.x, self.y)
		
class YYYTests(unittest.TestCase): # 第二个测试集
	...

if __name__ == '__main__':
	unittest.main()

简单来说，派生的每个TestCase子类，表示一个单元测试集，其中的每个test_xxx函数，都是一个单独的单元测试。

组织单元测试时，可以按照层级式的划分来进行。在单个文件中，单元测试有两个层级：TestCase类派生，以及TestCase下的test_xxx函数。unittest的单元测试对函数名有要求，必须以test_开头，才能被当作一个测试函数存在。每个单元测试内可以存在多个assert函数。

单元测试可以直接写在源码文件中，在if __name__ == '__main__':时调用unittest.main()，使得只有在main直接运行源码文件才会进行单元测试。此外，通过__all__变量也能进一步约束对源码文件的导入行为，通过from xxx import *的形式导入该源码文件时，只能使用__all__中的成员。

__all__ = ['UsefulClass']
class UsefulClass():
	def __init__()

### ---
# unittests
### ---
class ClassTests(unittest.TestCase):
	def test_UsefulClass():
		[some test code]

assert方法

在单元测试中，通过调用.assertXXX方法来自动验证某些关键信息。例如

# 输出形状
class ModelTests(unittest.TestCase):
	def test_asserts(self):
		x, y = get_xy()
		self.assertEqual(x, y)
		self.assertTrue(x==y)
		...

通常来讲，只要传入的参数有对应的重写运算符，就可以简单地调用.assertXXX方法来做验证。

使用单元测试检查深度学习组件的行为

可以通过简单检查输出shape的方法来测试深度学习组件的行为，例如

import torch
import torch.nn as nn
import unittest
from resnet50 import ResNet50

class ConvTests(unittest.TestCase):
	def test_Conv2d(self):
		B, C, H, W = 5, 128, 28, 28
		x = torch.rand((B, C, H, W))
		conv = nn.Conv2d(in_channels=C, out_channels=C*2, kernel_size=3, stride=2, padding=1)
		out = conv(x)
		self.assertEqual(out.shape, torch.Size([B, C*2, H//2, W//2]))
	def test_ResNet50(self):
		input = _get_input()
		model = ResNet50()
		out = model(input)
		self.assertEqual(out.shape, torch.Size([shape values]))