pytest学习实践-day40:allure实践

# 具体执行流程:
# 1.收集测试项
# 2.测试收集检查
# 3.测试分发
# 4.测试执行
# 5.测试结束
import allure
import pytest
from pytest_assume.plugin import assume

"""使用标签 @pytest.mark.run(order=3) ,order 对应 数字的数值 标记测试顺序"""


@allure.step
@pytest.mark.parametrize('x,y', [(1, 1), (2, 3)])
@pytest.mark.run(order=3)
def test_1(x, y):
    assert x == y
    assert x > y
    assert x + 1 >= y
    print('测试完成1')


@allure.step
# 使用 pytest-assume 插件,取消断言失败后用例整体失败不继续执行问题
@pytest.mark.run(order=2)
@pytest.mark.parametrize('x,y', [(1, 1), (2, 3)], ids=['case1', 'case2'])
def test_2(x, y):
    pytest.assume(x == y)
    pytest.assume(x > y)
    pytest.assume(x + 1 >= y)
    print('测试完成')


@allure.step
# 使用 with + assume 假设 执行,忽略断言失败继续执行
@pytest.mark.run(order=1)
@pytest.mark.parametrize('x,y', [(1, 1), (2, 3)], ids=['case1', 'case2'])
def test_3(x, y):
    with assume:
        assert x == y
    with assume:
        assert x > y
    with assume:
        assert x + 1 >= y
    print('测试完成 order=1')


"""
CMD:
1.  pytest .\06_pytest-Allure实践.py --alluredir=..\results\tmp\
2.  allure serve ..\results\tmp\  
"""
  • 10
    点赞
  • 5
    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