1.一种引擎测试方法，其特征在于，所述方法包括：
将第一神经网络引擎中待测试的第一算子和第一运算对象添加至预设神经网络模型进行编译，得到编译后的第一目标神经网络模型；
调用预设的神经网络框架的应用程序接口api，通过所述api运行所述第一目标神经网络模型，得到运算结果；
根据所述运算结果和预设的检查数据测试所述第一算子的正确性。
2.根据权利要求1所述的方法，其特征在于，所述通过所述api运行所述第一目标神经网络模型，包括：
通过所述api将所述第一算子和所述第一运算对象进行格式转换，得到转换后的第一算子与第一运算对象；
运行包含所述转换后的第一算子与第一运算对象的所述第一目标神经网络模型。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述运算结果和预设的检查数据测试所述第一算子的正确性，包括：
根据所述检查数据和所述运算结果确定所述第一算子的第一精度误差；
若所述第一精度误差小于预设精度误差，确定所述第一算子运行正确。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
在通过所述api运行所述第一目标神经网络模型时，记录所述第一目标神经网络模型对应的第一运行时间；
将所述第一算子和至少一个其他算子添加至所述预设神经网络模型，并进行编译，得到编译后的第二目标神经网络模型，通过所述api运行所述第二目标神经网络模型，并记录所述第二目标神经网络模型对应的第二运行时间；
根据所述第一运行时间和所述第二运行时间确定所述第一算子的第一运算效率。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
将第二神经网络引擎中的所述第一算子与所述第一运算对象添加至所述预设神经网络模型，并进行编译，得到编译后的第三目标神经网络模型；
通过所述api运行所述第三目标神经网络模型，并记录所述第三目标神经网络模型对应的第三运行时间；
根据所述第三运行时间确定所述第一算子在所述第二神经网络引擎中的第二运算效率；
若所述第一运算效率低于所述第二运算效率，发出提示消息，所述提示消息用于指示对所述第一算子进行优化。
6.一种引擎测试装置，其特征在于，所述引擎测试装置包括：
编译单元，将第一神经网络引擎中待测试的第一算子和第一运算对象添加至预设神经网络模型进行编译，得到编译后的第一目标神经网络模型；
运行单元，用于调用预设的神经网络框架的应用程序接口api，通过所述api运行所述第一目标神经网络模型，得到运算结果；
测试单元，用于根据所述运算结果和预设的检查数据测试所述第一算子的正确性。
7.根据权利要求6所述的引擎测试装置，其特征在于，在所述通过所述api运行所述第一目标神经网络模型方面，所述运行单元具体用于：
通过所述api将所述第一算子和所述第一运算对象进行格式转换，得到转换后的第一算子与第一运算对象；
运行包含所述转换后的第一算子与第一运算对象的所述第一目标神经网络模型。
8.根据权利要求6所述的引擎测试装置，其特征在于，在所述根据所述运算结果和预设的检查数据测试所述第一算子的正确性方面，所述测试单元具体用于：
根据所述检查数据和所述运算结果确定所述第一算子的第一精度误差；
若所述第一精度误差小于预设精度误差，确定所述第一算子运行正确。
9.一种电子设备，其特征在于，包括：处理器、存储器和通信接口；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于如权利要求1-5任一项所述的方法的指令。
10.一种计算机可读存储介质，其特征在于，其用于存储计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。