自动瑕疵定位

[lixinqi]

torch框架上自动瑕疵定位需补齐或更新的功能组件：

1. Meta恢复功能，依据original_name或者name恢复子图的Meta，Paddle实现https://github.com/PaddlePaddle/GraphNet/blob/develop/graph_net/paddle/graph_meta_restorer.py
2. 子图支持use_all_inputs
3. torch的子图分解更新到SubgraphGenerator（当前采用run_model执行方式）
4. torch的单测生成功能，Paddle实现https://github.com/PaddlePaddle/GraphNet/blob/develop/graph_net/paddle/prologue_subgraph_unittest_generator.py。若没有单测，则需要设计其他的验证方式，验证所定位到的瑕疵算子、瑕疵子图是否能单独复现问题
5. 可能的精度问题，比如随机种子设置、输入的初始化顺序问题等

[lixinqi]

# 测评计算图样本在两个后端上的表现
eval_backend_diff :=
    [model_path]
  	-> LOG
    
# 过滤有瑕疵的计算图
get_fault_model_paths :=
    LOG
    -> [model_path]
    
# 计算ES向量
get_es_scores :=
    LOG
    -> ES
    
# 特定容忍值t是否有瑕疵
has_fault_at :=
    ES
    -> tTolerance int
    -> bool

# 子图分解
subgraph_generator :=
    model_path
    -> [(tStart int, tEnd int)]
    -> [model_path]

# 二分终止判断
bi_search_terminator :=
    [(tSplitPoint int, bool)]
    -> bool
    
# 二分查找算法    
bi_search :=
    model_path
    -> tTruncator (model_path -> tSplitPoint int -> model_path)
    -> tEvaluator (model_path -> ES)
    -> tPredicator (ES -> tTolerance int -> bool)
    -> tStoper ([(tSplitPoint int, bool)] -> bool)
    -> [(tSplitPoint int, bool)]

# 单测样本生成
generate_unittest :=
    model_path
    -> unittest