- 博客(27)
- 收藏
- 关注
RSS订阅原创 fiddler抓包工具使用方法
fiddler是一个很好的抓包工具，默认是抓http请求的，对于电脑上的https请求，会提示网页不安全，需要在浏览器上安装证书。一、fiddler设置1、打开菜单栏：Tools --> Options --> HTTPS2、勾选Decrypt HTTPS traffic及两个子菜单3.导出证书点击Actions按钮可以先选择Trust Root Certificate再导出证书二、Google浏览器设置1，打开设置 --> 隐私设置和安全性 --&
2021-04-28 18:51:16
222
原创 jmeter分布式压测配置
前提准备条件：主控机一台为master负载机至少一台slave注意：主控机和负载机虚安装一样的JDK环境和jmeter版本，避免出现未知错误。一、负载机配置修改打开jmeter安装目录/bin/jmeter.properties文件1.将#server.rmi.ssl.disable=false取消注释，并修改为true，允许远程运行2.修改负载机IP和端口号3.执行jmeter-server.bat文件，运行结果如下图所示二、主控机配置修改打开jmete
2021-04-25 18:16:33
279
原创 B/S与C/S区别及测试点
一、B/S与C/S定义B/S(Broswer/Server)，用浏览器作为应用程序客户端，操作服务器。在这种模式下，极少的逻辑是在前端(broswer)实现，主要事务逻辑是在服务器端（server）实现，和DB端形成三层结构，这样就极大程度减轻了客户端。C/S(Client/Server)，客户端软件是一个拥有很多逻辑验证的软件，包含一个或多个在用户电脑上运行的程序，本地验证成功后才提交服务器。服务器端分为两种：一种是数据库服务器，客户端通过数据库连接访问服务器端的数据；另一种是Socket服务器，
2021-04-09 12:08:39
958
转载 （转）MySQL索引原理及慢查询优化
MySQL凭借着出色的性能、低廉的成本、丰富的资源，已经成为绝大多数互联网公司的首选关系型数据库。虽然性能出色，但所谓“好马配好鞍”，如何能够更好的使用它，已经成为开发工程师的必修课，我们经常会从职位描述上看到诸如“精通MySQL”、“SQL语句优化”、“了解数据库原理”等要求。我们知道一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，所以查询语句的优化显然是重中之重。本人从13年7月份起，一直在美团核心业务系统.
2021-03-29 15:05:46
129
原创 jmeter中关于线程组的理解
一、线程组介绍：线程组元件是任何一个测试计划的开始点。在一个测试计划中的所有元件都必须在某个线程组下，所有的任务都是基于线程组建立的。线程组：包含若干请求线程：一个线程就是一个“虚拟用户”请求：一个线程组可以包含若干请求。例如：1个线程组有5个请求，线程数为10个，可通俗理解为10个人，每个人都要执行5个请求，所以请求数10*5=50；并发数：50；线程数：10注：线程组也可以看作是一个虚拟用户组。线程组中的每一个线程都可以理解为一个虚拟用户。二、线程组设置：线程组设置可
2021-03-24 14:32:57
1276
原创 python的全局变量与局部变量详解
局部变量需要通过函数去访问，而全局变量则可以直接访问。一、函数间的全局变量与局部变量使用（1）全局变量与局部变量的设定跨函数不设定为全局变量则无法调用。def init(): # global url url = 'https://www.baidu.com/'def get_url(url): # global i for i in range(1, 5, 1): print(url+str(i))init()get_url(ur
2021-03-19 17:19:20
327
转载 （转）等价类、边界值、判定表实例分析
案例实战—直角三角形试用等价类划分、边界值分析和因果图加判定表驱动法为三角形问题中的直角三角形设计测试用例。假定三边边长a、b和c均为1到100之间的正整数，其中整数的要求通过数据类型控制。直角三角形问题满足以下规则： 当三边中任意两边边长之和小于等于第三边，则输出“非三角形“； 当其中两边边长的平方和等于第三边的平方，则输出“直角三角形”； 当任意两边边长的平方和都不等于第三边的平方，则输出“一般三角形”。 当三边中任意一边边长小于1或者大于100，则给出“输入无效”的提示信息
2021-03-19 15:14:50
2970
原创 python正则表达式的使用
Python使用内置的re库，由于python和正则表达式都使用/作为转义符，故为避免歧义在表达式前面加r,内部的字符串默认不转义。re.match( ) 从字符串的起始位置匹配，匹配成功返回一个匹配的对象，否则返回Nonere.search( ) 扫描整个字符串并返回第一个成功的匹配re.findall( ) 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的则返回空列表re.split( ) 将一个字符串按照整组人表达式匹配结果进行分割，返回列...
2021-03-18 16:22:24
239
1
原创 mysql常用指令
一、基础指令show databases; --显示所有的数据库show tabels; --显示所有的数据库表use databasename; --切换数据库desc tablename; --显示表中所有的字段信息create databases; --建数据库create table; --建表drop database dataset_name; --删除数据库drop table table_name; --将...
2021-03-16 15:06:36
183
原创 pytest基本应用（二）
一.在测试过程中，经常需要测试是否如期抛出预期的异常，以确定异常处理模块生效。在 pytest 中使用pytest.raises()进行异常捕获# 异常捕获def test_zero_division_1(): with pytest.raises(ZeroDivisionError): 1 / 0# 可以捕获异常信息def test_zero_division_2(): with pytest.raises(ZeroDivisionError) as ..
2021-03-11 19:24:24
220
1
原创 python深拷贝与浅拷贝详解
import copya = [1, 2, 3, 4, ['a', 'b']] #原始对象 b = a #赋值，传对象的引用c = copy.copy(a) #对象拷贝，浅拷贝d = copy.deepcopy(a) #对象拷贝，深拷贝e = a[:]'''输出结果a: [1, 2, 3, 4, ['a', 'b']]b: [1, 2, 3, 4, ['a', 'b']]c: [1, 2, 3, 4, .
2021-03-11 17:40:12
77
原创 pytest基本应用(一)
在Python的编程语言中，单元测试框架主要是pytest，unittest和nose，其中应用最广泛的是unittest和pytest。unittest测试框架是内置的模块，安装Python解释器后可以直接导入使用，但是使用时必须是继承TestCace类才可以调用里面的方法，只能应用于面向对象的编程方式。pytest把每一个test_开头或者是_test结尾的都看成是一个测试对象，同事它的断言是Python的原生语言assert，编写的不管是模块还是类都可执行。安装pytest：pip install
2021-03-10 17:50:45
109
转载 （转）性能测试1-基础知识与整体流程
https://blog.csdn.net/u012205706/article/details/96166322?spm=1001.2014.3001.5502
2021-02-23 14:08:48
118
原创 测试流程及测试方法
测试设计开展流程需求文档学习、输出问题确认列表、问题确认与汇总； 需求文档评审、开发讲解，测试提问、输出评审结论，归档； 制定测试设计计划、制定设计任务分配表； 启动设计输出思维导图、思维导图评审，汇总意见、输出修改后的思维导图； 评审启动后启动设计、输出测试用例初稿、启动测试用例评审、汇总评审意见、启动更新、第一次更新完成，再评审、汇总形成测试用例、归档，设计完成。如何多方面考虑测试一个系统用例设计原则：按照测试类型分析法，按功能、压力、稳定性、性能、安全性、兼容性进行测试类型划分；
2020-08-20 11:40:00
6019
转载 测试面试常见问答
1.问：你在测试中发现了一个 bug ，但是开发经理认为这不是一个 bug ，你应该怎样解决。首先，将问题提交到缺陷管理库里面进行备案。 然后，要获取判断的依据和标准： 根据需求说明书、产品说明、设计文档等，确认实际结果是否与计划有不一致的地方，提供缺陷是否确认的直接依据； 如果没有文档依据，可以根据类似软件的一般特性来说明是否存在不一致的地方，来确认是否是缺陷； 根据用户的一般使用习惯，来确认是否是缺陷； 与设计人员、开发人员和客户代表等相关人员探讨，确认是否是缺陷； 合理的论述，向测试经
2020-08-20 10:28:52
2404
转载 求空间两条直线之间的距离
https://blog.csdn.net/zhyh1435589631/article/details/52960121/
2019-04-09 10:28:19
4835
转载 （转）报错：OutOfRangeError: FIFOQueue '_1_batch/fifo_queue' is closed and has insufficient elements 解决办法
Tensorflow在跑图像数据时报错，报错信息如下：OutOfRangeError (see above for traceback): FIFOQueue '_1_batch/fifo_queue' is closed and has insufficient elements (requested 8, current size 1) [[Node: batch = QueueD...
2019-04-08 10:28:42
1355
1
原创 安装cuda10.0过程中遇到的问题
由于一不小心手残点了更新系统，从此踏上了Ubuntu18.04的万劫不复之路......ubuntu18.04与cuda10.0以上的版本匹配，而我在原来的ubuntu16.04中安装的是cuda9.0，为避免程序运行出现错误，打算重装cuda10.0(本人ubuntu新手，不知为何程序仍能在TensorFlow+GPU环境中运行)。过程比较坎坷，记录一下问题及解决措施：1. sudo a...
2019-04-01 21:04:05
8234
原创 在windows10上安装pycocotools
Faster-rcnn和Mask-rcnn上在训练Coco数据集时需要安装pycocotools。在安装过程中应注意以下几点：1. 在 pip install pycocotools 时报错该错误是指Windows下没有c/c++代码编译环境，需要安装 Microsoft Visual C++ Build Tools。 (因为pycocotools的主站点源码https://github....
2019-03-01 18:40:24
7172
1
原创 deeplab - v3解读及语义分割度量方法介绍
原文链接：https://baijiahao.baidu.com/s?id=1595995875370065359&wfr=spider&for=pc该文章详细介绍了deeplab-v3网络中用到的resnet、空洞卷积、空间空洞金字塔池化等内容，并对部分代码进行了详细解读，理解比较容易。语义分割模型常用的度量标准/准确度：pixel accuracy, mean accu...
2018-11-30 11:54:03
957
转载 分类中的训练数据不均衡问题处理方法
什么是数据不均衡？在分类中，训练数据不均衡是指不同类别下的样本数目相差巨大。举两个例子：①在一个二分类问题中，训练集中class 1的样本数比上class 2的样本数的比值为60:1。使用逻辑回归进行分类，最后结果是其忽略了class 2，将所有的训练样本都分类为class 1。②在三分类问题中，三个类别分别为A，B，C，训练集中A类的样本占70%，B类的样本占25%，C类的样本占5%。最后...
2018-11-09 13:06:39
1639
转载 （转）Python下使用Tkinter 制作图形界面
转自：http://www.eefocus.com/nightseas/blog/15-05/312601_ba94e.html1.tkinter tkinter是Python下面向tk的图形界面接口库，可以方便地进行图形界面设计和交互操作编程。tkinter的优点是简单易用、与Python的结合度好。tkinter在Python 3.x下默认集成，不需要额外的安装操作；不足之处为缺少合适...
2018-10-12 19:12:16
11582
原创 笔试题 特征图尺寸计算
同学笔试过程遇到的，因为自己也不太清楚计算结果不为整数的情况，所以分享给大家。输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为： ...
2018-09-07 19:54:04
2592
转载 详解深度学习中的梯度消失、爆炸原因及其解决方法
参考链接：https://blog.csdn.net/qq_25737169/article/details/78847691 参考资料:1.《Neural networks and deep learning》2.《机器学习》周志华3. https://www.cnblogs.com/willnote/p/6912798.htm4. https://www.zhihu....
2018-09-07 10:35:45
1079
1
转载 （转）机器学习中 K近邻法(knn)与k-means的区别
简介K近邻法（knn）是一种基本的分类与回归方法。k-means是一种简单而有效的聚类方法。虽然两者用途不同、解决的问题不同，但是在算法上有很多相似性，于是将二者放在一起，这样能够更好地对比二者的异同。算法描述knn算法思路：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。k近邻模型的三个基本要素：k值的选...
2018-09-07 10:18:04
571
转载 图像处理学习笔记（深度学习+三维图形+机器学习+图像处理）
某博客专家根据论文写的深度学习，机器学习方面的学习笔记：http://blog.csdn.net/hjimce/article/details/50573444网上某神写的R-CNN详细笔记：http://blog.csdn.net/column/details/ym-alanyannick.html图像处理：http://blog.csdn.net/Garfield...
2018-08-01 20:07:53
2495
原创 Windows系统的TensorFlow GPU版本安装教程
安装说明版本：GPU版本、CPU版本。如果硬件支持，推荐安装GPU版本。安装方式：pip方式、Anaconda方式。本文教程采用Anaconda方式。Tips:1.查找需要安装的TensorFlow版本支持的python版本，目前在Windows上支持python3.6x。2.如果安装GPU版本，需要安装对应版本的CUDA和CUDNN。安装环境1.Anaconda下载安...
2018-07-24 21:37:58
832
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人