- 博客(101)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【AI 测试】自然语言处理（NLP）类项目如何测试
为了确保评测任务和评价指标的通用性和可扩展性，我们可以采用标准化的数据集和评测框架，如公开的数据集和通用的NLP评测工具。此外，还可以根据新的NLP任务和模型特点，不断扩展和更新评测任务和评价指标，以适应NLP领域的发展变化。通过以上实例和注意事项，我们可以实际执行针对NLP领域大模型的评测任务，并得到具体的评价指标结果。综上所述，通过综合考虑准确性、稳定性和效率等方面的评测任务及评价指标设计，我们可以全面评估NLP领域大模型的性能，为模型的优化和应用提供有力支持。
2024-04-17 17:11:07
842
原创 【AI 测试】分词器
总之，分词器在自然语言处理的多个领域中都发挥着重要作用，它能够将连续的文本数据转化为计算机可以处理的数字表示，为后续的任务提供必要的支持。例如，你可以根据分词器的性能在融合时给不同的分词器分配不同的权重，或者使用更复杂的算法来结合多个分词器的结果。最后，如果你的任务对分词性能有严格要求，建议对多个分词器进行详细的比较和评估，选择最适合你任务需求的分词器，并在必要时结合多个分词器的优势来提高分词效果。需要注意的是，不同的分词器适用于不同的语言和处理任务，因此在实际应用中需要根据具体需求选择合适的分词器。
2024-04-17 10:24:02
1055
原创 【AI 测试】八：数学基础在算法测试工程师工作中的具体应用
综上所述，数学基础在算法测试工程师的工作中起着至关重要的作用。具备扎实的数学基础不仅有助于测试工程师深入理解算法的原理和特性，还能提高他们分析和解决算法问题的能力。因此，算法测试工程师应该不断学习和加强自己的数学基础，以适应不断发展和变化的算法测试需求。算法测试工程师在测试和优化算法时，确实需要具备扎实的数学基础。这是因为算法往往涉及到复杂的计算、逻辑推理和数据分析，而这些都需要依靠数学工具和方法来进行有效的处理。
2024-04-12 00:00:00
263
原创 【AI 测试】六：设计测试场景与用例
通过精心设计测试场景和用例，可以有效地验证算法的正确性和效率，提高软件的质量和可靠性。设计算法类测试场景与用例是一个涉及多个步骤的过程，其主要目的是验证算法的正确性和效率。通过这个具体实例，我们可以更好地理解如何根据算法特性设计测试场景、构造有效与无效的测试用例，以及如何验证算法的正确性与效率。在设计测试场景时，需要充分考虑算法的特性，包括输入数据的范围、边界条件、异常情况等。下面我将以“二分查找算法”为例，来具体讲解如何设计算法类测试场景与用例，以及如何验证算法的正确性与效率。，我们要查找的元素是。
2024-04-11 13:00:00
993
原创 【AI 测试】五：性能测试与评估
性能测试与评估是软件开发中不可或缺的一环，它涉及到对软件或算法在特定条件下的行为、效率和稳定性进行评估。下面，我将详细讲解并举例说明性能测试与评估的四个方面：时间复杂度分析、空间复杂度分析、稳定性测试和边界条件测试。
2024-04-11 11:30:00
750
原创 【AI 测试】四：数据结构理解之 图形数据结构
如果顶点i和顶点j之间存在一条边，那么邻接矩阵中第i行第j列的元素值为1（对于无向图）或表示边的权重（对于带权图）。如果图的密度接近1（即边数接近顶点数的平方），则邻接矩阵可能是一个好的选择，因为它支持常数时间的边查找操作。然而，对于稀疏图，邻接表通常更受欢迎，因为它可以节省大量空间，并且添加和删除边的操作相对简单。由于只存储实际存在的边，邻接表的空间复杂度是O(n + e)，其中n是顶点数，e是边数。邻接表是另一种用于表示图的数据结构，它通过链表的方式存储每个顶点所连接的边和相应的顶点。
2024-04-11 00:15:00
248
原创 【AI 测试】一：算法和数据结构理解
一些常见的图算法包括深度优先搜索（DFS）、广度优先搜索（BFS）、Dijkstra算法、Bellman-Ford算法、Floyd-Warshall算法、Kruskal算法、Prim算法以及最大流算法等。总的来说，图算法是一种强大的工具，它利用图数据结构的特性，通过搜索、优化和其他技术，为各种实际问题提供解决方案。它从图的某一节点（源节点）开始，访问最靠近源节点的所有节点，然后逐层向外扩展，直到访问了图中所有可达的节点。它的工作原理是每次从未排序的元素中选择最小（或最大）的元素，放到已排序的序列末尾。
2024-04-10 12:03:41
1185
原创 【探索AI】算法工程师需要掌握的重点知识点
综上所述，算法工程师需要具备扎实的数学基础、编程能力、数据结构与算法知识等核心技能，同时还需要掌握机器学习、软件工程实践等方面的知识。通过不断学习和实践，算法工程师可以不断提升自己的技能水平，为项目的成功实施提供有力支持。算法工程是一个综合性很强的领域，涉及到多个方面的技能和知识点。：掌握基本的数学原理和方法，为算法设计和优化提供理论支持。：具备软件开发的基本素养，能够团队协作进行算法项目的开发。：保持对新技术和新知识的关注，不断提升自己的能力和水平。：深入理解常见的数据结构和算法，并能够灵活运用。
2024-04-10 11:04:15
867
原创 【AI测试】算法测试工程师必备技能
以上只是每个知识点的的一个简单例子，实际应用中算法工程师需要根据具体问题和数据来选择合适的算法，并进行相应的优化和调整。首先计算矩阵A的行列式值，如果行列式值为0，则矩阵A不可逆，没有逆矩阵。：对于数据集中的每个数据点，计算它与每个聚类中心的距离，并将其分配给最近的聚类中心。：对于每个聚类，计算所有属于该聚类的数据点的均值，并将该均值设为新的聚类中心。：计算矩阵A的每个元素的代数余子式，并构造伴随矩阵。：将伴随矩阵的每个元素除以行列式值，得到逆矩阵。：最终的聚类中心和每个数据点的聚类标签。
2024-04-10 10:37:32
581
原创 【pytest】`setup`和`teardown`
在Python的pytest测试框架中，setup和teardown是用于准备测试环境和清理测试环境的钩子函数。不过，pytest中使用的术语略有不同。pytest使用和等函数来执行不同级别的设置和清理任务。
2024-04-01 19:11:51
638
原创 【pytest】fixture机制
此外，pytest还支持fixture之间的依赖关系，一个fixture可以依赖于其他fixture的执行结果。pytest` 的 fixture 机制是一个强大的工具，它提供了多种用途来增强测试的可读性、可维护性和灵活性。的 fixture 机制是一个强大的工具，它提供了多种用途来增强测试的可读性、可维护性和灵活性。总的来说，fixture机制为pytest提供了强大的灵活性和可重用性，使得测试代码的编写和维护变得更加简单和高效。的 fixture 机制非常灵活，可以在各种测试场景中使用。
2024-04-01 13:58:52
1037
原创 【pytest】钩子函数
在pytest中，钩子函数（hook functions）是一种特殊的函数，它们允许你在pytest的运行过程中的特定点插入自定义的代码。pytest在执行测试时会调用这些钩子函数，从而提供了扩展和修改pytest默认行为的机制。钩子函数通常由pytest插件定义，但你也可以在本地的文件中定义它们，以便在特定的测试目录或项目中重用。
2024-03-30 09:45:00
307
原创 【pytest】如何自定义一个断言函数，并在pytest测试中使用它
如果你的自定义断言方法非常通用，并且你想在多个项目中使用它们，你可以考虑将它们集成到一个pytest插件中。需要注意的是，虽然自定义断言函数可以提供更友好的错误输出，但它们也可能使你的测试代码变得更加复杂。通过实现自定义断言方法，你可以增强你的测试套件的可读性和健壮性，使得在断言失败时更容易定位问题并理解失败的原因。这样，你可以在你的测试用例中重用这些自定义断言方法，并在断言失败时获得更清晰的错误信息。然后，在你的pytest测试用例中，你可以使用这个自定义的断言函数来替代标准的。
2024-03-30 00:30:00
908
原创 【pytest】测试数据存储在 Excel 或 TXT 文件中，如何参数化
如果测试数据存储在 Excel 或 TXT 文件中，你可以使用外部库来读取这些数据，并将其转化为参数化测试所需的格式。下面我将分别展示如何从这两种文件中读取数据，并用于参数化测试。
2024-03-29 16:39:43
863
原创 【pytest】pytest` 中几种常用的参数化方法
pytest是一个强大的 Python 测试框架，它提供了多种参数化测试的方法。参数化测试允许你使用不同的输入集来运行相同的测试逻辑，从而确保代码在各种条件下都能正常工作。以下是pytest。
2024-03-29 16:32:54
712
原创 【pytest】pytest [email protected]` 装饰器-参数化测试功能
pytest 的参数化测试功能允许我们为相同的测试函数提供多组不同的输入数据和预期输出，从而确保在各种情况下测试逻辑的正确性。通过使用参数化测试，你可以确保你的代码在各种情况下都能正常工作，从而提高代码的质量和可靠性。当然可以，下面是一个更复杂的例子，它展示了如何使用 pytest 的参数化测试功能来测试一个处理用户输入的函数。这个函数负责验证输入，并根据不同的输入返回不同的结果。现在，我们想要测试这个函数以确保它对于不同的输入能够返回正确的结果，并且在遇到无效输入时能够抛出异常。是否是一个异常类型；
2024-03-29 16:31:27
686
原创 【pytest】功能特性及常用插件
pytest是一个功能强大的Python测试框架，它的语法简洁明了，易于学习和使用。同时，它提供了丰富的功能和插件，使得测试过程更加灵活和高效。
2024-03-29 16:21:15
597
原创 pytest和unittest 如何选择？
pytest的语法更简洁，自动发现和执行测试用例的特性可以节省大量时间，而强大的插件机制则提供了更高的灵活性。而unittest作为Python的标准测试框架，其稳定性和与Python的集成度可能更高，对于简单的测试任务可能更为适合。pytest和unittest都是Python中常用的测试框架，它们各自具有一些特点和优势，选择哪一个取决于你的具体需求和偏好。：熟悉你要测试的API接口的文档，了解接口的功能、请求参数、响应格式以及可能的错误情况。：能够记录测试过程中的关键信息，并生成易于理解的测试报告。
2024-03-26 17:03:26
969
原创 【Postman】如何给请求的参数设置随机数
大致覆盖了常用的汉字，但如果你需要更精确的范围或包含其他字符集（如扩展A、扩展B等），你可能需要调整这个范围。如果你想要自动化这个流程（登录并创建项目），你可以将这两个请求放入同一个集合中，并使用Postman的Runner来运行整个集合。这样，登录请求会首先执行，并设置环境变量，然后创建项目的请求会使用这个环境变量中的。这样，每次发送请求时，Pre-request Scripts都会生成一个新的随机四位汉字字符串，并将其设置在。如果创建项目的请求失败，你可以检查Tests标签页中的脚本，确保。
2024-03-26 11:57:37
1360
原创 【Python】python+requests+excel+unittest+ddt实现接口自动化实例
请注意，上述代码是一个简化的框架，实际项目中可能还需要考虑更多的细节，比如错误处理、异常捕获、环境变量管理、测试数据动态生成等。由于实现一个完整的接口自动化框架涉及到大量的代码和配置，我将提供一个简化版的框架搭建示例，并对关键部分进行详细的注释说明。由于飞书发送消息涉及到API调用和可能的认证，这里仅提供一个发送消息的函数框架，你需要根据飞书开放平台的文档来实现具体的发送逻辑。需要测试的接口场景为：6个接口，分别为登录接口，新建项目接口，导入图片接口，图片识别接口，保存接口，退出登录。
2024-03-25 16:57:48
1550
原创 【Python】python+requests+excel+pytest-实现接口自动化实例
接口场景：6个接口，分别为登录接口，新建项目接口，导入图片接口，图片识别接口，保存接口，退出登录；中已经初始化了日志，可以在发送请求和处理响应的函数中添加日志记录，以便追踪测试过程中的关键信息。：准备测试所需的数据，如用户名、密码、项目名称等，并存储在Excel文件中。：使用pytest插件（如pytest-html）生成测试报告。，pytest将自动读取测试用例，执行测试，并生成HTML报告。：设置pytest的相关配置，如插件、命令行参数等。：使用pytest编写针对每个接口的测试用例。
2024-03-25 15:08:04
1257
原创 【Docker】Docker的常用命令知多少？
Docker是一个开源的应用容器引擎，它使得开发者能够打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux或Windows操作系统的机器上，同时也可以实现虚拟化。此外，Docker还适用于Web应用的自动化打包和发布、自动化测试和持续集成、服务型环境中部署和调整数据库或其他的后台应用、以及从头编译或扩展现有的PaaS环境。Docker的适用场景广泛，涵盖了多个方面，包括应用程序的开发和测试、持续集成和持续交付、服务器的管理和部署、云计算和容器服务以及多租户应用程序的隔离等。
2024-03-20 19:45:00
1044
原创 【Python】复习12：标准库与第三方库
标准库和第三方库都是Python编程中不可或缺的资源。标准库提供了基础的功能和工具，而第三方库则用于扩展Python的功能并满足特定的需求。在使用这些库时，你需要了解它们的安装方法、导入方式以及提供的函数和类，以便能够有效地利用它们来编写高质量的Python代码。
2024-03-20 14:57:44
1371
原创 【Python】复习11：Lambda 函数与匿名函数
当函数体非常简单时，可以使用Lambda函数替代常规的函数定义。# 使用Lambda函数定义一个简单的加法函数print(result) # 输出: 7。
2024-03-20 14:35:07
684
原创 【Python】复习10：装饰器与上下文管理器
装饰器和上下文管理器都是Python中非常有用的工具，但它们的用途和用法不同。装饰器主要用于在不修改原始代码的情况下为函数或类添加额外的功能，而上下文管理器则主要用于处理资源的初始化和清理，确保在代码块执行前后执行特定的操作。在实际编程中，你可以根据具体的需求选择使用装饰器还是上下文管理器，或者将它们结合起来使用以实现更复杂的逻辑。
2024-03-19 11:34:23
567
原创 【Python】复习9：迭代器与生成器
生成器（Generator）是Python中一个非常强大的特性，它允许你创建一个迭代器，该迭代器可以一次生成（或“产出”）一个值，而不是一次性计算并返回所有值。生成器特别适用于处理大量数据或无限序列的情况，因为它可以有效地节省内存。生成器通常通过两种方式创建：使用生成器函数或生成器表达式。
2024-03-19 10:15:00
924
原创 【Python】复习8：列表推导式与字典推导式
列表推导式（List Comprehension）和字典推导式（Dictionary Comprehension）都是Python编程语言中非常实用的特性，它们允许用户以一种简洁、高效的方式创建新的列表或字典。这些场景只是字典推导式应用的一部分，实际上，只要有需要从其他数据结构生成或转换字典的需求，就可以考虑使用字典推导式。总的来说，列表推导式和字典推导式都是Python中非常强大的工具，它们允许我们以简洁、易读的方式处理数据，提高了代码的可读性和效率。例如，读取文件中的每一行，并去除行首尾的空白字符。
2024-03-19 00:30:00
1729
原创 【Python】复习7：面向对象编程（OOP）
抽象是忽略一个主题中与当前目标无关的那些方面，以便充分地注意与当前目标有关的方面。在Python中，可以使用抽象基类（通过。
2024-03-18 14:09:42
1211
原创 【Python】复习6：异常处理
在Python中，异常处理是一种强大的错误处理机制，它允许程序在运行时检测到错误或异常情况，并决定如何响应这些状况。通过合理使用异常处理机制，你可以确保你的Python程序在遭遇错误时能够优雅地处理它们，而不是简单地崩溃。块中的代码引发了异常，Python会立即停止执行当前。如果发生了其他类型的异常，那么最后一个。块中的代码没有引发异常，那么程序会继续执行。语句块，你可以控制程序在发生异常时的行为。语句块中包含了可能会引发异常的代码。块中的剩余代码，并跳转到相应的。语句块是可选的，它会在。
2024-03-18 10:48:43
376
原创 【Python】复习5：文件操作
关闭文件是一个重要的步骤，因为它会释放系统资源，并确保所有挂起的文件操作（如写入）都被正确地执行。函数允许你以特定的模式打开一个文件，并返回一个文件对象，你可以通过这个对象进行读取、写入或其他文件操作。函数打开文件后，你会得到一个文件对象。语句会自动管理文件的上下文，当代码块执行完毕后，它会自动关闭文件，即使发生异常也是如此。请注意，文件操作可能会引发异常（如文件不存在、没有写入权限等），因此在实际编程中，你可能需要使用。注意，在写入模式（‘w’）下，如果文件已存在，它的内容会被新内容覆盖。
2024-03-18 10:26:41
963
原创 【Python】复习4：模块与包
在Python中，模块是一个包含Python代码的文件，这个文件可以有函数、类和变量的定义。通过导入模块，我们可以使用模块中定义的函数、类和变量，而无需复制和粘贴代码。包的主要目的是提供一种组织模块的方式，特别是当你有大量的模块，或者模块之间有复杂的依赖关系时。在Python中，模块和包是用于组织代码的重要工具，它们有助于将相关的函数、类和变量分组在一起，从而提高代码的可读性、可维护性和重用性。使用模块不仅可以提高代码的可读性和可维护性，还可以促进代码的重用，减少冗余代码，并使得大型项目的组织更加有序。
2024-03-16 09:15:00
695
原创 【Python】复习3：函数
在Python中，函数是一种封装可重复使用的代码块的方式。通过定义函数，你可以将一段特定的代码逻辑组织在一起，并给它一个名字。然后，你可以在任何需要的地方通过调用这个函数的名字来执行这段代码。"""这个函数用于向某人打招呼"""def greet(name) : """这个函数用于向某人打招呼""" print(f"Hello, {name }!") # 调用函数 greet("Alice") # 输出: Hello, Alice!greet("Bob") # 输出: Hello, Bob!!")
2024-03-16 00:45:00
833
原创 【Python】复习2：条件语句与循环
在实际应用中，条件语句和循环语句通常结合使用，以实现复杂的逻辑和数据处理功能。：避免过深的循环嵌套，这可以提高代码的可读性并减少出错的可能性。在编写条件语句和循环时，确实需要遵循一些规则和最佳实践，以确保代码的正确性、可读性和效率。：对于大型数据集或性能敏感的代码，考虑优化循环和条件语句的性能。：确保条件表达式简洁明了，避免使用复杂的逻辑运算，这样可以提高代码的可读性。：确保循环条件清晰明了，循环应该有一个明确的终止条件，以避免无限循环。时，确保条件的顺序是逻辑上的，以便在条件满足时立即执行相应的代码块。
2024-03-15 14:16:21
771
原创 【Python】复习1.要掌握的重点基础知识
例如，如果你需要存储用户的信息，并且每个用户的信息都是唯一的，那么使用字典是合适的，因为字典的键是唯一的。如果你需要存储一系列的元素，并且这些元素的顺序很重要，那么列表是更好的选择。如果你有一组元素需要快速地进行成员关系测试，并且不需要保持元素的顺序，那么集合是理想的选择。例如，对于包含大量元素的集合，集合的成员关系测试通常比列表更快，因为集合在内部使用了哈希表来存储元素。变量与数据类型是Python编程中的基础，下面我将重点介绍这两个概念的关键知识点，并给出实际应用中的代码实现。
2024-03-15 11:27:45
981
原创 【Python】一个实用的爬虫代码示例
在实际应用中，你可能需要针对目标网站的具体结构进行调整，例如处理相对路径、处理懒加载的图片、检查图片格式等。此外，如果目标网站有反爬机制，你可能还需要采取额外的措施来绕过这些限制。：在爬取过程中，可能会遇到各种异常，如网络错误、反爬机制等，需要添加异常处理逻辑来确保程序的稳定性。当你的IP地址被目标网站封禁时，可以通过使用代理IP来继续爬取。如果可能的话，分析目标网站的反爬机制，并尝试找到绕过它们的方法。：如果需要爬取多个页面，通常可以通过修改URL中的分页参数或寻找页面中的“下一页”链接来实现。
2024-03-15 11:08:53
955
转载 【测试岗】2024测试岗最全面试题
转载：原文“：https://blog.csdn.net/Liuyanan990830/article/details/133146576。
2024-03-14 15:39:44
30
原创 【探索AI】三十二-计算机视觉（七）实践项目与案例分析
请注意，对于ImageNet数据集，由于其规模庞大和复杂性，通常需要更多的代码和计算资源，并且可能涉及预训练模型的迁移学习等高级技术。对于ImageNet这样的大型数据集，通常需要使用预训练的模型（如ResNet、Inception等）进行迁移学习，并且需要更多的计算资源来训练和评估模型。由于视频分析项目的具体实现依赖于所使用的深度学习框架和模型结构，我将提供一个基于PyTorch和3D卷积神经网络（3D CNN）的简化代码实例，用于从视频中提取时空特征。你也可以使用自己的数据集，但需要进行相应的标注。
2024-03-13 20:00:00
1843
appium.rar
2020-06-01
初学者如何开展系统的机器学习？
2024-02-29
TA创建的收藏夹 TA关注的收藏夹
TA关注的人