2023年04月_三木小君子_CSDN博客

三木小君子

码龄4年

IP 属地：中国

查看详细资料

个人成就

获得11次点赞
内容获得1次评论
获得40次收藏

TA的专栏

自动化测试
7篇
深度学习
5篇

兴趣领域设置

Python

pythonpandaspytestconda

创作活动更多

新星杯·14天创作挑战营·第9期

这是一个以写作博客为目的的创作活动，旨在鼓励大学生博主们挖掘自己的创作潜能，展现自己的写作才华。如果你是一位热爱写作的、想要展现自己创作才华的小伙伴，那么，快来参加吧！我们一起发掘写作的魅力，书写出属于我们的故事。我们诚挚邀请你们参加为期14天的创作挑战赛！注： 1、参赛者可以进入活动群进行交流、分享创作心得，互相鼓励与支持（开卷），答疑及活动群请见 https://bbs.csdn.net/topics/619626357 2、文章质量分查询：https://www.csdn.net/qc

475人参与去参加

搜TA的内容

Web自动化测试，无法定位元素？

对于插件上传，需操作Windows控件，可通过安装AutoIt工具、编写脚本、保存为“.au3”文件、转换成“.exe”文件，再由自动化脚本os.system("D:\\upfile.exe")由于业务原因元素在某些情况下不可用（元素属性disabled，灰显），首先检查测试步骤是否符合业务逻辑，其次确认是否为业务流程上的Bug。由于窗口大小改变引起的页面元素布局发生变化，被测元素被遮挡，可以将窗口最大化，再进行元素定位。对于属性不一定可见的元素，在定位前首先判断其属性是否可见，是否被隐藏。

发布博客 2023.04.12 ·

Web自动化测试，怎样断言和形成报告？

assertEqual(a,b，[msg=‘测试失败时打印的信息’])：断言a和b是否相等。assertNotEqual(a,b，[msg=‘测试失败时打印的信息’])：断言a和b是否相等，不相等则通过。assertTrue(x，[msg=‘测试失败时打印的信息’])：断言x是否True，是则测试用例通过。assertFalse(x，[msg=‘测试失败时打印的信息’])：断言x是否False，是则测试用例通过。

发布博客 2023.04.12 ·

Web自动化测试，怎样参数化？

PO模式：Page Object，是一种页面对象设计模式，算是一种比较好的设计模式。在该设计模式中，功能类（PageObjects）所代表的是每个页面之间的逻辑关系。核心思想是分层，实现松耦合，脚本重用，脚本易维护。

发布博客 2023.04.09 ·

Web自动化测试，鼠标和键盘事件操作

ActionChains是一种低级别的自动化交互方法，例如鼠标移动，鼠标按钮操作，按键操作和上下文菜单交互。这对于执行更复杂的操作非常有用，例如悬停和拖放。

发布博客 2023.04.09 ·

Web自动化测试，页面多样化操作？

frame 元素在html语法中，其内部会包含一个被嵌入的另一份html文档。当使用selenium打开一个网页，操作范围缺省当前的 html ，并不包含被嵌入的html文档里面的内容。如果要操作被嵌入的html文档中的元素，须切换操作范围到被嵌入的文档中。driver.switch_to.frame(frame_reference)#切换driver.switch_to.default_content()#切回原html页面。

发布博客 2023.04.09 ·

Web自动化测试基础学习

WebDriverWait，配合该类的有until()和until_not()方法，表示程序每隔x秒去判断一下指定的元素是否加载完，加载完了就执行下一步，否则继续每隔x秒去判断，指定时间截止。如果超时就会抛出异常。当执行下一句代码，这种等待方式时间到了就执行下一个语句，但不能保证在等待的时间内元素真正被加载了出来。表示在规定的时间内页面的所有元素都加载完了就执行下一步，否则一直等到时间截止，然后再继续下一步。缺点：需要的元素已经加载出来了，但页面还没有加载完，需要继续等待页面加载完才能执行下一步操作。

发布博客 2023.04.08 ·

Selenium基本学习

通常为了方便，大多使用CSS selector和XPATH直接在浏览器F12情况下复制。1.Selenium引入Webdriver。

发布博客 2023.04.08 ·

什么是卷积神经网络？

全连接神经网络处理图像最大的问题在于全连接层的参数太多。参数增多除了导致计算速度减慢，还很容易导致过拟合问题。所以需要一个更合理的神经网络结构来有效地减少神经网络中参数的数目——卷积神经网络。

发布博客 2022.12.06 ·

全连接神经网络的优化

;从概念到不同层次了解全连接网络之后，最终需要通过神经网络对我们输入的数据进行若干次训练得到理想的结果。在训练过程中非线性因素：使激活函数去积分化、去微分化、梯度消失和梯度爆炸；批归一化、损失函数选择、过拟合与Dropout、模型正则等的问题都是需要不断优化和不断探测，本文将对其这些点进行总结。

发布博客 2022.12.04 ·

两层及N层全连接神经网络模型原理

深度学习是学习样本数据的内在规律和表示层次，在学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。全连接神经网络（MLP）便是基础的网络类型的之一，充分体现深度学习方法相比于传统机器学习算法的特点，即大数据驱动、公式推导、自我迭代更新、黑匣子训练等。本文将对MLP从两层及以上对其分析和解释。

发布博客 2022.12.03 ·

全连接神经网络单层模型原理

深度学习是学习样本数据的内在规律和表示层次，在学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。全连接神经网络（MLP）便是基础的网络类型的之一，充分体现深度学习方法相比于传统机器学习算法的特点，即大数据驱动、公式推导、自我迭代更新、黑匣子训练等。

发布博客 2022.12.01 ·

什么是全连接神经网络？

解释全连接神经网络之前首先需要了解神经网络而全连接神经网络模型是输入层、隐藏层和输出层构成

发布博客 2022.12.01 ·