dgop:基于深度学习的算子差异测试实验项目

DGOP 是一个用于发现深度学习算子精度问题的实验项目。它通过随机生成输入张量并施加多种变异操作，在 TensorFlow、PyTorch、MNN 三个框架上执行同一算子，比较输出差异，筛选更容易触发异常误差的数据样本。项目中包含加权采样、Q-learning、邻域扩展、Predoo、GA 等多种生成与对比策略，同时提供分类修复与可视化分析脚本。整体代码偏研究原型，适合继续做算法对比、误差分析和复现实验。