搜索[API测试]结果-低调大师优秀个人博客

精选列表

搜索[API测试]，共10000篇文章

流数据同步DataConnector测试整理

概述 DataHub DataConnector是把DataHub服务中的流式数据同步到其他云产品中的功能，目前支持将Topic中的数据实时/准实时同步到MaxCompute(ODPS)、OSS、ElasticSearch、RDS Mysql、ADS、TableStore中。用户只需要向DataHub中写入一次数据，并在DataHub服务中配置好同步功能，便可以在各个云产品中使用这份数据。本文主要将各类数据源配置的状况做个总结，算是对官方文档的补充。注意目前所有DataConnector均仅支持同一Region的云服务之间同步数据，不支持同步数据到跨Region的服务。 DataConnector所配置的目标服务Endpoint需要填写相应的内网域名（经典网络），不支持使用公网域名同步。数据同步目前仅支持at least once语义

2019-05-19

HanLP vs LTP 分词功能测试

文章摘自github,本次测试选用 HanLP 1.6.0 , LTP 3.4.0 测试思路使用同一份语料训练两个分词库，同一份测试数据测试两个分词库的性能。

2019-04-18

Spring boot应用测试框架介绍

测试框架spring-test-dbunit与spring-boot-unitils-starter支持spring-boot应用的测试，同时，也提供单元测试前置数据准备的功能。

2019-03-08

使用 Gomock 进行单元测试

在实际项目中，需要进行单元测试的时候。却往往发现有一大堆依赖项。

2018-12-04

星云精准测试之用例魔方

上图是星云精准测试系统的总体结构图，“测试魔方”即分布在左上角区域。大家知道精准测试的核心技术是测试用例与代码的追溯关系的建立，而在此之上就可以构建测试魔方的核心功能区。

2018-11-27

Android UI 测试指南之 Espresso

关于 Espresso Espresso 是一个简单好用的 Android UI 测试框架 Espresso 主要由以下三个基础部分组成： ViewMatchers - 在当前View层级去匹配指定的View

2018-09-25

Google官方性能测试工具

不废话，下方是Google的官方文档，中文的哦 https://developer.android.google.cn/studio/profile/cpu-profiler 可能访问的有些慢

2018-08-23

Android测试之Monkey初体验

Monkey是Android中自带的用来进行压力测试的一个命令行工具。

2018-08-21

Android测试之Monkey高级参数

Monkey执行的随机操作是根据seed值执行的，如果不指定seed值默认的seed值是随机生成的所以每次执行的操作都不一样，如果指定seed值则执行的随机操作是一样的，它的主要作用是如果在进行Monkey测试的过程中出现了异常

2018-08-21

单元测试方法以及实例

为什么要测试？ Web程序开发过程一般包括以下几个阶段：[需求分析，设计阶段，实现阶段，测试阶段]。其中测试阶段通过人工或自动来运行测试某个系统的功能。

2018-07-12

Vue单元测试探索

在项目版本迭代的过程中，当一些原来通过了测试的旧功能发生了bug，一般只能到了测试阶段才能被测试人员发现。

2018-07-11

centos安装netcat工具及测试

profile；加入 export NETCAT_HOME=/usr/local/netcat-0.7.1 export PATH=$PATH:$NETCAT_HOME/bin 6.测试

2018-06-10

facenet 进行人脸识别测试

1.简介：facenet 是基于 TensorFlow 的人脸识别开源库，有兴趣的同学可以扒扒源代码：https://github.com/davidsandberg/facenet 2.安装和配置 facenet 我们先将 facenet 源代码下载下来： git clone https://github.com/davidsandberg/facenet.git 在使用 facenet 前，务必安装下列这些库包：或者直接移动到 facenet 目录下，一键安装 pip install -r requirements.txt 3.下载 LFW 数据集 LFW 是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的。它包含13233张图片，共5749人，其中4096人只有一张图片，1680人的图片多余一张，每张图片尺寸是250x250 。下载地址：http://vis-www.cs.umass.edu/lfw/ ->Menu->Download->All images as gzipped tar file 下载完成后，我们将文件解压到 facenet/data/lfw_data/lfw 目录下（没有的话自己建个目录），在 lfw_data 目录下新建一个目录 lfw_160，用来存放裁剪后图片。 4.对图像进行预处理因为程序中神经网络使用的是谷歌的“inception resnet v1”网络模型，这个模型的输入时160*160的图像，而我们下载的LFW数据集是250*250限像素的图像，所以需要进行图片的预处理。运行facenet/src/align/align_dataset_mtcnn.py 来修改图片尺寸大小，加入下列参数 facenet/data/lfw_data/lfw #输入图像文件夹 facenet/data/lfw_data/lfw_160 #输出图像文件夹 --image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25 #指定裁剪后图像大小（如果不指定，默认的裁剪结果是182*182像素的）即 python align_dataset_mtcnn.py facenet/data/lfw_data/lfw facenet/data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25 如果用的是 pycharm，可以在 RUN -> Edit Configurations 下添加参数信息，然后运行 align_dataset_mtcnn.py 文件： **这里自己运行的时候一直报错提示：No module named 'align' 将 align_dataset_mtcnn.py 移动至 src 文件夹下再运行就不会报错了。校准后图像大小即变为160 x 160 。 5.评估 Google 预训练模型在数据集中的准确性 facenet提供了两个预训练模型，分别是基于CASIA-WebFace和 VGGFace2人脸库训练的。（由于存储在 Google 网盘中，需要 FQ 下载使用） GitHub 地址：https://github.com/davidsandberg/facenet 这里我采用的是 CASIA-WebFace 预训练模型，有兴趣了解的小伙伴，可以到CASIA-WebFace 官网看看： http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html 将下载好的预训练文件解压到facenet/src/models目录下：添加参数 facenet/data/lfw_data/lfw_160 facenet/src/models/20180408-102900 运行validate_on_lfw.py 文件。这里我刚开始运行的时候报错：发现是预训练模型版本太旧，我们在 facenet 上下载最新的CASIA-WebFace 训练库再重新运行即可。运行结果如下：可以看到识别精度可以达到 97.7%，其识别准确度还是非常不错的。但是程序运行完以后虽然最终运行结果正确，但是最后却还是报了个错误：_2_input_producer: Skipping cancelled enqueue attempt with queue not closed 原因是主线程已经关闭，但是读取数据入队线程还在执行入队。由于自己对 TensorFlow 线程还不是特别了解，暂时还没有解决这个问题。

2018-05-15

这只是一个测试

!/usr/bin/env python coding: utf-8 class Person: def __init__(self,name,sex,age): self.name = name self.sex = sex self.age = age # def level(self): # print('coding') def level(self): age = self.age if 60 <= age <=150 print 'old' elif 20<= age <60 print 'adult' elif 0<= age <20 print 'child' else: print '输入有误' zby = Person('zby','male',25)

2018-04-12

Hive配置日志文件并测试

配置日志并测试进入到hive目录修改日志文件名称在hive目录下创建logs目录修改hive-log4j.properties配置文件hive.log.dir 把hive.log.dir=${java.io.tmpdir

2018-03-04

对HDFS的HA进行测试

解决办法：修改hdfs-site.xml中的proxy的name标签mycluster修改为ns1 修改后的结果修改后测试结果 ls结果创建目录 bin/hdfs dfs -mkdir -p /user

2018-02-25

如何在本地测试Fabric Code

这时我们除了改源码，增加需要的功能外，还需要能够跑通Fabric的测试。Fabric的测试主要包括单元测试和行为测试，下面分别介绍。

2018-01-11

什么是灰度发布，灰度测试。

灰度发布，又名金丝雀发布，或者灰度测试，是指在黑与白之间能够平滑过渡的一种发布方式。

2017-12-22

Android命令Monkey压力测试，详解

from:http://blog.csdn.net/huangbiao86/article/details/8490743 一、Monkey测试简介 Monkey测试是Android平台自动化测试的一种手段

2017-12-20

几个移动App测试工具

目前有很多海内外游戏发行商开始使用 Bugly 的服务，测试其代理游戏的用户体验和实际质量。

2017-11-26

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。