Appium——Windows环境搭建

1.安装Nodejs

下载nodejs安装包(http://nodejs.org/download/)安装

测试安装是否成功:运行 cmd ,输入 node -v ,能显示出版本信息,就说明安装成功

安装androidSKD

安装androidsdk包,(http://developer.android.com/sdk/index.html),运行依赖sdk中的 'android'工具。并确保你安装了Level17或以上的版本api

设置ANDROID_HOME 系统变量为你的Android SDK 路径,并把toolsplatform-tools两个目录加入到系统的Path路径里。

         变量: ANDROID_HOME

           值: D:\android-sdk

         设置: Path

           值: %ANDROID_HOME%\platform-tools;%ANDROID_HOME%\tools;

安装Apache Ant

安装Apache Anthttp://ant.apache.org/bindownload.cgi

解压缩文件夹,并把路径加入环境变量。

         变量: ANT_HOME

           值: D:\apache-ant-1.8.2

         设置: Path

           值: %ANT_HOME%\bin 

测试ant环境安装成功:运行cmd,输入ant,如果没有指定build.xml就会输出:

 Buildfile: build.xml does not exist!

 Build failed

4 安装JDK

安装JDK

下载解压文件夹 并且设置环境变量 

         变量: JAVA_HOME

           值: C:\Program Files (x86)\Java\jdk1.7.0_01

         变量: classpath

           值: %JAVA_HOME%\lib;

         设置: Path

           值: %JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;

   测试环境安装成功:运行cmd,输入java -version 如果成功则出现java信息

5 安装Apache Maven

安装Mavenhttp://maven.apache.org/download.cgi

下载解压文件夹 并且设置 M2HOME  M2 环境变量,把 M2 环境变量添加到你的系统PATH变量中。 

         变量: MAVEN_HOME

           值: D:\apache-maven-3.1.1

         设置: Path:

           值: %MAVEN_HOME%\bin 

   测试环境安装成功:运行cmd,输入mvn -v 如果成功则出现maven信息

6 安装appium


在Appium官网上(https://bitbucket.org/appium/appium.app/downloads/)下载.exe文件,直接安装。

配置系统环境变量,在Path中加入Appium安装路径下的bin路径

D:\Program Files\Appium\Appium\node_modules\.bin


在命令行里输入appium-doctor,回车,输出如下,说明环境配置成功!






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值