Профилирование и ускорение MATLAB-кода — бесплатный тест онлайн

Вопрос 1 из 30

Нужно реализовать действие: снять профиль времени выполнения функции runModel и открыть отчёт по строкам. Какой фрагмент можно принять после проверки размерностей?

tic
runModel();
toc

timeit(@runModel);
profile viewer

profile runModel on
runModel();

profiler(@runModel);

profile clear
profile on
runModel();
profile off
profile viewer

Вопрос 2 из 30

В расчёте по теме «Профилирование выполнения» обнаружено содержательное расхождение. Какую замену следует принять после проверки?

profile runModel on
runModel();

Переписать вычислительный шаг следующим образом. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Допуск и критерий принятия зафиксировать до просмотра результата.

profile clear
profile on
runModel();
profile off
profile viewer

Заменить исходный блок этой реализацией. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Профилирование выполнения» также сверить класс данных и сохранение ожидаемой структуры выхода.

tic
runModel();
toc

Внести показанную замену без изменения входного контракта. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Контрольный пример должен воспроизводиться на чистом запуске проекта.profiler(@runModel); Принять эту редакцию как полную замену текущего блока. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.

profile runModel on
runModel();

Использовать показанный вариант вместо дефектного фрагмента. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.

timeit(@runModel);
profile viewer

Вопрос 3 из 30

Код по теме «Профилирование выполнения» проходит обычный пример. Какая проверка покажет, что вычислительный договор сохраняется и на неудобном входе?

T_{total}=\sum_f T_f

profile clear
profile on
runModel();
profile off
profile viewer

Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Профилирование выполнения». Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Профилирование выполнения». Сравните `timeit`, `tic/toc` и Profiler на одной функции и сформулируйте, какой вопрос отвечает каждый инструмент. Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Профилирование выполнения». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Профилирование выполнения».

Вопрос 4 из 30

Для действия «снять профиль времени выполнения функции runModel и открыть отчёт по строкам» нужен независимый математический эталон. Какая формула задаёт именно этот результат?

T^{-1}_{total}=\sum_f T_f

T_{total}=\sum_f T_f

T_{total}=\prod_f T_f

S_{total}=\sum_f T_f

T_{total}\approx\sum_f T_f

Вопрос 5 из 30

Команда ускоряет участок, выбранный по интуиции, однако общий запуск почти не меняется. Какое действие даст проверяемый результат?

Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Профилирование выполнения». Сначала снять воспроизводимый профиль на типичных данных, затем оптимизировать доминирующий участок и повторить измерение. Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Профилирование выполнения». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Профилирование выполнения». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Профилирование выполнения».

Вопрос 6 из 30

В расчёте требуется найти горячий участок, исключив из профиля однократную загрузку данных и прогрев. Какой фрагмент можно принять после проверки размерностей?

load inputs.mat
runModel(inputs);
profile clear; profile on
for k=1:10, runModel(inputs); end
profile off

profile on
clear functions
runModel(inputs);
profile off

profile on
load inputs.mat
runModel(inputs);
profile off

tic
load inputs.mat
runModel(inputs);
toc

profile on
for k=1:10, load inputs.mat; runModel(inputs); end
profile off

Вопрос 7 из 30

Ниже приведена неудачная реализация из темы «Горячие участки». Какая редакция возвращает требуемый результат и оставляет независимый контроль?

profile on
clear functions
runModel(inputs);
profile off

Принять эту редакцию как полную замену текущего блока. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.

load inputs.mat
runModel(inputs);
profile clear; profile on
for k=1:10, runModel(inputs); end
profile off

Заменить исходный блок этой реализацией. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Горячие участки» также сверить класс данных и сохранение ожидаемой структуры выхода.

tic
load inputs.mat
runModel(inputs);
toc

Внести показанную замену без изменения входного контракта. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.

profile on
clear functions
runModel(inputs);
profile off

Переписать вычислительный шаг следующим образом. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Горячие участки» также сверить класс данных и сохранение ожидаемой структуры выхода.

profile on
load inputs.mat
runModel(inputs);
profile off

Использовать показанный вариант вместо дефектного фрагмента. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.

profile on
for k=1:10, load inputs.mat; runModel(inputs); end
profile off

Вопрос 8 из 30

Перед рецензентом рабочий фрагмент по теме «Горячие участки». Как проверить его так, чтобы близкая подмена не прошла вместе с ним?

\bar T=\frac1K\sum_{k=1}^{K}T_k

load inputs.mat
runModel(inputs);
profile clear; profile on
for k=1:10, runModel(inputs); end
profile off

Разделите сценарий на подготовку и ядро, измерьте оба и оцените их вклад при разном числе повторов. Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Горячие участки». Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Горячие участки». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Горячие участки». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Горячие участки».

Вопрос 9 из 30

Нужно формализовать операцию «найти горячий участок, исключив из профиля однократную загрузку данных и прогрев». Какая формула задаёт именно этот результат?

\bar T=\frac1K\sum_{j=1}^{K}T_k

\bar T=\frac1K\sum_{k=2}^{K}T_k

\bar T=\frac1K\prod_{k=1}^{K}T_k

\bar T=\frac1K\sum_{k=1}^{K}T_k

\bar T=\frac1K\sum_{k=1}^{K}T_{k+1}

Вопрос 10 из 30

Профиль показывает загрузчик как главный узел, хотя в боевой системе данные читаются один раз, а расчёт повторяется тысячи раз. Какой порядок работы не скроет причину ошибки?

Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Горячие участки». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Горячие участки». Определить границу измерения по реальному сценарию, прогреть код и отдельно учитывать одноразовую и повторяющуюся стоимость. Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Горячие участки». Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Горячие участки».

Вопрос 11 из 30

На рецензию вынесена операция: ускорить цикл с заранее известным числом строк результата и сохранением типа single. Какой фрагмент можно принять после проверки размерностей?

for k=1:N
    Y(k,:) = single(step(k));
end

Y = cell(N,p);
for k=1:N
    Y(k,:) = step(k);
end

Y = zeros(N, p, "single");
for k=1:N
    Y(k,:) = single(step(k));
end

Y = zeros(N,p);
for k=1:N
    Y = [Y; step(k)];
end

Y = [];
for k=1:N
    Y(end+1,:) = step(k);
end

Вопрос 12 из 30

В тесте «Профилирование и ускорение MATLAB-кода» показанный фрагмент нарушает правило из темы «Предвыделение». Какая редакция исправляет причину, а не только её проявление?

Y = cell(N,p);
for k=1:N
    Y(k,:) = step(k);
end

Использовать показанный вариант вместо дефектного фрагмента. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.

Y = zeros(N, p, "single");
for k=1:N
    Y(k,:) = single(step(k));
end

Переписать вычислительный шаг следующим образом. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки. Для темы «Предвыделение» также сверить класс данных и сохранение ожидаемой структуры выхода.

Y = cell(N,p);
for k=1:N
    Y(k,:) = step(k);
end

Принять эту редакцию как полную замену текущего блока. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Предвыделение» также сверить класс данных и сохранение ожидаемой структуры выхода.

for k=1:N
    Y(k,:) = single(step(k));
end

Внести показанную замену без изменения входного контракта. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.

Y = [];
for k=1:N
    Y(end+1,:) = step(k);
end

Заменить исходный блок этой реализацией. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Предвыделение» также сверить класс данных и сохранение ожидаемой структуры выхода.

Y = zeros(N,p);
for k=1:N
    Y = [Y; step(k)];
end

Вопрос 13 из 30

Фрагмент по теме «Предвыделение» выглядит правдоподобно. Какая проверка действительно подтвердит заявленное свойство, а не только отсутствие сбоя?

M=4Np\ \text{байт для single}

Y = zeros(N, p, "single");
for k=1:N
    Y(k,:) = single(step(k));
end

Сравните предвыделение double, single и `zeros(...,"like",prototype)` на одинаковом цикле. Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Предвыделение». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Предвыделение». Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Предвыделение». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Предвыделение».

Вопрос 14 из 30

Перед реализацией требования «ускорить цикл с заранее известным числом строк результата и сохранением типа single» записывают модель. Какая формула задаёт именно этот результат?

M^{-1}=4Np\ \text{байт для single}

M=4pN\ \text{байт для single}

M\propto4Np\ \text{байт для single}

M=4Np\ \text{байт для single}

M\approx4Np\ \text{байт для single}

Вопрос 15 из 30

После предвыделения время снизилось, но потребление памяти осталось двойным: `zeros` создал double. Что следует сделать до принятия расчёта?

Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Предвыделение». Выделять массив нужного класса, измерять время и пиковую память, а затем проверять допустимую потерю точности. Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Предвыделение». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Предвыделение». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Предвыделение».

Вопрос 16 из 30

Условие задачи — заменить квадратичный поиск совпадений между ключами на индексирование через ismember. Какой фрагмент можно принять после проверки размерностей?

loc = find(queryKeys==referenceKeys); values=refValues(loc);

[tf,loc] = ismember(queryKeys, referenceKeys);
values = nan(size(queryKeys));
values(tf) = refValues(loc(tf));

for i=1:numel(queryKeys)
 for j=1:numel(referenceKeys)
  if queryKeys(i)==referenceKeys(j), values(i)=refValues(j); end
 end
end

values = intersect(queryKeys,referenceKeys); values = refValues(queryKeys);

Вопрос 17 из 30

Для темы «Выбор алгоритма» в тесте «Профилирование и ускорение MATLAB-кода» приведён дефектный блок. Какое замечание рецензента можно принять?

for i=1:numel(queryKeys)
 for j=1:numel(referenceKeys)
  if queryKeys(i)==referenceKeys(j), values(i)=refValues(j); end
 end
end

Принять эту редакцию как полную замену текущего блока. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Выбор алгоритма» также сверить класс данных и сохранение ожидаемой структуры выхода.values = intersect(queryKeys,referenceKeys); Внести показанную замену без изменения входного контракта. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Выбор алгоритма» также сверить класс данных и сохранение ожидаемой структуры выхода.loc = find(queryKeys==referenceKeys); values=refValues(loc); Переписать вычислительный шаг следующим образом. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Выбор алгоритма» также сверить класс данных и сохранение ожидаемой структуры выхода.values = refValues(queryKeys); Использовать показанный вариант вместо дефектного фрагмента. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Допуск и критерий принятия зафиксировать до просмотра результата.

for i=1:numel(queryKeys)
 for j=1:numel(referenceKeys)
  if queryKeys(i)==referenceKeys(j), values(i)=refValues(j); end
 end
end

Заменить исходный блок этой реализацией. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.

[tf,loc] = ismember(queryKeys, referenceKeys);
values = nan(size(queryKeys));
values(tf) = refValues(loc(tf));

Вопрос 18 из 30

Ниже показано решение из темы «Выбор алгоритма». Какой контроль отличит его от ближайшей ошибочной реализации?

T_{nested}=O(nm),\quad T_{indexed}\approx O((n+m)\log m)

[tf,loc] = ismember(queryKeys, referenceKeys);
values = nan(size(queryKeys));
values(tf) = refValues(loc(tf));

Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Выбор алгоритма». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Выбор алгоритма». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Выбор алгоритма». Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Выбор алгоритма». Для двух размеров входа сравните рост времени вложенного поиска и `ismember`, не ограничиваясь одним N.

Вопрос 19 из 30

Проверка кода для задачи «заменить квадратичный поиск совпадений между ключами на индексирование через ismember» опирается на формулу. Какая формула задаёт именно этот результат?

T_{nested}=O(nm),\quad T_{indexed}\approx O((n-m)\log m)

T_{nested}=O(nm),\quad T_{indexed}\approx O((n+m)\log m)

T_{nested}=O(nm),\quad T_{indexed}\approx O((n+n)\log m)

T_{nested}=O(nm),\quad T_{indexed}\approx O((n+m)\log n)

T_{nested}=O(nm),\quad T_{indexed}\approx O((m+m)\log m)

Вопрос 20 из 30

Profiler указывает на строку сравнения, но ускорение самой операции не поможет: она выполняется миллиарды раз из-за структуры алгоритма. Какое решение оставит независимый критерий проверки?

Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Выбор алгоритма». Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Выбор алгоритма». Переформулировать задачу через индексирование или сортировку, затем проверить дубли и отсутствующие ключи. Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Выбор алгоритма». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Выбор алгоритма».

Вопрос 21 из 30

Фрагмент должен добавить к пакетному расчёту измеримые этапы без вывода каждой итерации в консоль. Какой фрагмент можно принять после проверки размерностей?

progress = struct("stage",{},"seconds",{},"items",{});
t = tic; Y = preprocess(X); progress(end+1)=struct("stage","preprocess","seconds",toc(t),"items",size(X,1));

profile on; Y=preprocess(X); profile off fprintf("running..."); Y=preprocess(X); diary on; Y=preprocess(X); diary off for k=1:size(X,1), disp(k); Y(k,:)=step(X(k,:)); end

Вопрос 22 из 30

Показанный код из темы «Наблюдаемость и диагностика» не соответствует постановке. Какая редакция восстанавливает вычислительный договор?

profile on; Y=preprocess(X); profile off

Принять эту редакцию как полную замену текущего блока. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки. Для темы «Наблюдаемость и диагностика» также сверить класс данных и сохранение ожидаемой структуры выхода.for k=1:size(X,1), disp(k); Y(k,:)=step(X(k,:)); end Переписать вычислительный шаг следующим образом. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.

progress = struct("stage",{},"seconds",{},"items",{});
t = tic; Y = preprocess(X); progress(end+1)=struct("stage","preprocess","seconds",toc(t),"items",size(X,1));

Использовать показанный вариант вместо дефектного фрагмента. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Наблюдаемость и диагностика» также сверить класс данных и сохранение ожидаемой структуры выхода.profile on; Y=preprocess(X); profile off Внести показанную замену без изменения входного контракта. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Наблюдаемость и диагностика» также сверить класс данных и сохранение ожидаемой структуры выхода.fprintf("running..."); Y=preprocess(X); Заменить исходный блок этой реализацией. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Наблюдаемость и диагностика» также сверить класс данных и сохранение ожидаемой структуры выхода.diary on; Y=preprocess(X); diary off

Вопрос 23 из 30

Результат фрагмента по теме «Наблюдаемость и диагностика» нужно принять перед включением в расчёт. Какая проверка даст независимое основание?

rate=\frac{items}{seconds}

progress = struct("stage",{},"seconds",{},"items",{});
t = tic; Y = preprocess(X); progress(end+1)=struct("stage","preprocess","seconds",toc(t),"items",size(X,1));

Спроектируйте запись метрик для трёх этапов и покажите, как по ней отличить медленный алгоритм от малого входа. Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Наблюдаемость и диагностика». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Наблюдаемость и диагностика». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Наблюдаемость и диагностика». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Наблюдаемость и диагностика».

Вопрос 24 из 30

Математическая запись должна описывать действие «добавить к пакетному расчёту измеримые этапы без вывода каждой итерации в консоль». Какая формула задаёт именно этот результат?

rate=\frac{seconds}{items}

rate=\frac{records}{seconds}

rate=\frac{items}{minutes}

throughput=\frac{items}{seconds}

rate=\frac{items}{seconds}

Вопрос 25 из 30

На сервере журнал занимает гигабайты из-за `disp` в каждой итерации, а понять скорость этапов всё равно нельзя. Какой вариант переносится на граничные данные?

Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Наблюдаемость и диагностика». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Наблюдаемость и диагностика». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Наблюдаемость и диагностика». Логировать начало, конец, длительность, объём и редкие контрольные показатели; частоту сообщений ограничить. Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Наблюдаемость и диагностика».

Вопрос 26 из 30

Разработчик переносит в MATLAB требование: защитить ускоренную реализацию от тихого расхождения с эталонной на редких данных. Какой фрагмент можно принять после проверки размерностей?

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X); assert(isequal(size(Yfast),size(X)));

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X); assert(all(isfinite(Yfast)));

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X);
if validationMode
    Yref = referenceImpl(X);
    assert(norm(Yfast-Yref,"fro") <= tol*max(1,norm(Yref,"fro")));
end

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(single(X));

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X);

Вопрос 27 из 30

Рецензент разбирает фрагмент по теме «Надёжность в эксплуатации» в тесте «Профилирование и ускорение MATLAB-кода». Какой вариант исправляет саму операцию?

Yfast = fastImpl(X); assert(isequal(size(Yfast),size(X)));

Использовать показанный вариант вместо дефектного фрагмента. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X);
if validationMode
    Yref = referenceImpl(X);
    assert(norm(Yfast-Yref,"fro") <= tol*max(1,norm(Yref,"fro")));
end

Переписать вычислительный шаг следующим образом. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Надёжность в эксплуатации» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X); assert(all(isfinite(Yfast)));

Принять эту редакцию как полную замену текущего блока. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Надёжность в эксплуатации» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X); assert(isequal(size(Yfast),size(X)));

Внести показанную замену без изменения входного контракта. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Надёжность в эксплуатации» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(single(X));

Заменить исходный блок этой реализацией. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Надёжность в эксплуатации» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Подготовка окружения одинакова для всех вариантов; ниже показано различающееся вычисление.
Yfast = fastImpl(X);

Вопрос 28 из 30

Для решения по теме «Надёжность в эксплуатации» выбирают контрольный опыт. Какой вариант проверяет смысл операции, а не внешние признаки результата?

\frac{\|Y_{fast}-Y_{ref}\|}{\max(1,\|Y_{ref}\|)}\le tol

Yfast = fastImpl(X);
if validationMode
    Yref = referenceImpl(X);
    assert(norm(Yfast-Yref,"fro") <= tol*max(1,norm(Yref,"fro")));
end

Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Надёжность в эксплуатации». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Надёжность в эксплуатации». Выберите одну оптимизацию и составьте тесты на эквивалентность, форму, NaN/Inf и крупный вход. Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Надёжность в эксплуатации». Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Надёжность в эксплуатации».

Вопрос 29 из 30

Для операции «защитить ускоренную реализацию от тихого расхождения с эталонной на редких данных» фиксируют вычислительный договор. Какая формула задаёт именно этот результат?

\frac{\|Y_{fast}-Y_{ref}\|}{\max(1,\|Y_{ref}\|)}\le tol

\frac{\|Y_{fast}-Y_{ref}\|}{\max(2,\|Y_{ref}\|)}\le tol

\frac{\|Y_{fast}-Y_{ref}\|}{\max(1,\|Y_{ref}\|)}\ge tol

\frac{\|Y_{fast}-Y_{ref}\|}{\min(1,\|Y_{ref}\|)}\le tol

\frac{\|Y_{fast}-Y_{sim}\|}{\max(1,\|Y_{ref}\|)}\le tol

Вопрос 30 из 30

После векторизации редкий NaN обрабатывается иначе, но набор производительности не содержит пропусков. Что уменьшит риск повторения дефекта?

Сохранить ясную эталонную реализацию для проверок, добавить граничные наборы и запускать сравнение в проверочном режиме. Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Надёжность в эксплуатации». Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Надёжность в эксплуатации». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Надёжность в эксплуатации». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Надёжность в эксплуатации».