理论第二课

本文详细介绍了软件开发的不同模型,包括瀑布模型、迭代开发、螺旋模型、增量模型和敏捷开发,以及对应的测试模型如V模型、W模型和H模型。强调了在不同模型中测试的重要性,如早期准备、持续执行和风险分析。此外,还提到了DevOps的概念,它是促进开发、技术和运营部门间协作的方法。
摘要由CSDN通过智能技术生成

软件测试流程图

测试需求(指需求的分析讨论阶段)→测试计划(用什么设备测试、以及测试的环境、范围等)→ 测试设计(设计的用例)→测试执行(执行测试的用例)→执行记录(记录测试重点问题缺陷)→ 分析(分析测试的缺陷)→完毕测试总结(分析最终的结果,出现的问题,提出质量等问题)

软件生命周期模型

1,什么是模型;
模型是一种工具对现实的解释,把与解决问题密切相关的方面抽象出来 把庞大、复杂、零乱的信息通过抽象简化的表示出来。
2,软件开发模型
结构化开发在这里插入图片描述

迭代开发

瀑布模型
瀑布模型是一种项目开发结构 开发过程中按照自上往下的项目进程从一阶段流向下一阶段。

在这里插入图片描述

快速原型模型
**需要迅速建造一个可以运行的软件,开发人员与用户达成共识,最终在确定的客户需求基础上开发客户满意的软件产品。
项目需求需求分析原型demo架构设计技术评估开发验收发布

在这里插入图片描述

螺旋开发模型
将瀑布模型和快速原型模型结合起来,并且加入了两种模型忽略的风险分析,弥补了两者的不足,特别适合于大型复杂的系统

在这里插入图片描述

软件开发增量模型
强调软件在发布不同的版本时,每次都多发布一点点,是软件功能数量渐增地发布的过程

在这里插入图片描述

增量模型的要求

1.良好的可扩展性架构设计,是增量开发成功的基础。

2.由于一些模块必须在另一个模块之前完成,所以必须定义良好的接口。

3.与完整的系统相比,增量方式正式的回顾和评审更难于实现,所以必须定义可行的过程。

4.要避免把难题往后推,首先完成的应该是高风险和重要的部分。

5.客户必须认识到总体成本不会更低。

6.分析阶段采用总体目标而不是完整的需求定义,可能不适应管理。

7.需要更加良好的计划和设计,管理必须注意动态分配工作,技术人员必须注意相关因素的变化

软件测试模型

v模型

V模型大体可以划分为以下几个不同的阶段步骤:需求分析概要设计详细设计软件编码单元测试集成测试系统测试验收测试

在这里插入图片描述

w模型

在这里插入图片描述

H模型

软件测试是一个独立的流程,以独立完整"微循环"流程,参与产品生命周期的各个阶段,与其他流程并发地进行。H模型指出软件测试要尽早准备,尽早执行,只要某个测试达到准备就绪点,测试执行活动就可以开展,并且不同的测试活动可按照某个次序先后进行,但也可以是反复进行的。

敏捷开发模式

定义

以用户的需求进行为核心迭代循序渐进的开发方式

敏捷开发原则
定义
1.详细的产品需求列表,排定优先级,这些便需要产品经理来完成的工作,同时一般会有研发、UI、运营等人的配合

2、工作量的评估:这一项需要技术人员的支持,同时也需要产品经理,内容就是沟通各方面的资源、权衡技术难度,制定详细的规划;

3、计划会议:这里是迭代的目标以及时间,同时把每一个大的任务细化到每个小任务——2、3天完成;

4、站立会议:每日开站立会议,每个人说明自己昨天完成了什么任务,今天要做什么,把已经完成的任务从未完成区域放在燃尽图的已完成区域;

5、做到每日集成,每天都有一个成功编译、并且可以演示的版本;

6、当一次迭代完成的时候,组织演示会议,也叫评审会议,邀请部门经理等管理者参加;

专有名词解释
Product Owner→"po"→产品负责人
Product Backlog→"PB"→产品代办事员
Product Owner→"PO"→职员
Scrum Master→"SM"→敏捷专家
敏捷开发中的测式

1,代码编写

2,测式

3,分析

测式人员的基本工作

1,用户故事设计和发布计划阶段

2,迭代 Sprint 阶段

3,Sprint 结束和下一个 Sprint 开始

DevOPS

DevOps是什么

是一组过程、方法与系统的统称,用于促进开)、技术运营和质量保障(QA)部门之间的沟通、协作与整合。

  • 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