- 博客(9)
- 收藏
- 关注
RSS订阅原创 深度学习：（3）神经网络学习之梯度下降法
神经网络的学习是指从训练数据中自动获取最优权重参数的过程，在这里需要引入损失函数这个指标，学习的目标就是以损失函数为基准，找出能使损失函数的值达到最小的参数。思路是计算得到损失函数的梯度，向梯度下降的方向前进，得到损失极小的参数。那如何向梯度下降的方向前进呢，常用的方法是梯度下降法，还有误差反向传播法。下面我们详细道来。
2023-12-29 17:38:02
718
1
原创 深度学习：（2）神经网络前向传播Forward Propagation
神经网络的重要性质就是可以自动的从数据中学习合适的权重参数，学习权重参数的重要步骤分前向传播和反向传播：前向传播（Forward Propagation）是在神经网络中从输入层到输出层信息传递的过程。反向传播 (Back Propagation) 指的是计算神经网络每一层参数梯度的方法，是学习权重的核心。接下来我们就开始看看神经网络是怎样学习的。
2023-12-25 14:43:15
579
原创 Python接口自动化测试之pytest：（六）内置固件—tmpdir、tmpdir_factory
在Pytest框架中存在一些内置固件，不需要单独编写代码，可以直接使用。不仅能大幅简化测试工作，还能提高测试效率。使用命令pytest --fixtures或者pytest --funcargs可以查看所有可用的fixture，包括内置的、插件中的以及当前项目定义的。
2023-09-14 21:32:27
241
1
原创 Python接口自动化测试之pytest：（五）Fixture的参数化使用
在mark标记中我们已经知道装饰器@pytest.mark.parametrize()对测试方法可以进行参数化，那么参数化也可以通过固件实现，只不过Fixture的参数化是通过params参数实现的。同一个测试方法可能需要不同的参数来构造逻辑、环境或结果基本相同的场景，可以使用Fixture的参数化来减少重复工作。
2023-09-13 20:34:18
212
1
原创 Python接口自动化测试之pytest：（四）共享Fixture
在测试过程中，会有许多测试用例的前置条件都存在相同的内容，比如登录，如果每执行一个测试用例都执行一次登录显然是不合理的。因此需要将登录写成一个方法，共享给所有需要使用的测试用例。要实现这样的功能需要conftest.py文件，在conftest.py文件中定义共享的功能，其他测试文件在运行时会自动查找。
2023-09-12 22:00:44
127
原创 Python接口自动化测试之pytest：（三）Fixture固件
fixture被称为固件或夹具，文章中详细描述了fixture的参数，及其使用方法，并且都有示例，着重说明了scope的使用。
2023-09-05 21:47:41
210
原创 Python接口自动化测试之pytest：（二）pytest.mark标记
Python接口自动化测试之pytest，pytest.mark标记的学习，主要包括mark函数的种类，以及重点演示了xfail和parametrize的用法。
2023-09-04 21:24:35
538
3
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