Mockito最佳实践全解析,构建高可靠性Java单元测试体系

深入解析与实践Mockito:Java单元测试的强大助手 Mockito是一种模拟框架,其核心概念是在测试过程中创建并使用“Mock对象”。Mock对象是对实际对象的一种模拟,它继承或实现了被测试类所依赖的接口或类,但其行为可以根据测试需求自由定制。控制其在测试环境下的行为,从而将注意力聚焦于类本身的逻辑验证上。 阅读详情

第一章:Mockito最佳实践全解析,构建高可靠性Java单元测试体系

在现代Java应用开发中,单元测试是保障代码质量的核心手段。Mockito作为最流行的Java mocking框架之一,能够有效解耦依赖对象,提升测试的可维护性和执行效率。合理运用其特性,有助于构建稳定、可读性强且易于维护的测试体系。

使用@Mock与@InjectMocks简化依赖注入

通过注解方式声明模拟对象和待测实例,可减少样板代码。需配合MockitoAnnotations.openMocks()初始化。
// 初始化mock实例
public class UserServiceTest {
    @Mock
    private UserRepository userRepository;

    @InjectMocks
    private UserService userService;

    @BeforeEach
    void setUp() {
        MockitoAnnotations.openMocks(this);
    }
}
上述代码中,@Mock创建模拟的UserRepository,而@InjectMocks将该模拟对象自动注入到UserService中。

优先使用宽松mock而非严格mock

默认情况下,Mockito采用宽松模式(lenient),允许调用未预设的方法返回默认值。避免过度桩定(stubbing)导致测试脆弱。
  • 仅模拟真正影响逻辑的依赖方法
  • 避免对无关方法进行when(...).thenReturn(...)
  • 使用verify()验证关键交互行为

验证行为而非状态

Mockito倡导行为驱动测试。应关注对象间的消息传递,而非内部状态。
// 验证是否发送邮件
verify(emailService, times(1)).sendEmail(eq("user@example.com"));
该语句断言邮件服务被调用一次,且参数为指定邮箱地址。

避免mock值对象与标准库类型

不要mock如String、List、Optional等数据载体或JDK内置类,直接实例化即可。
场景推荐做法
外部服务调用使用@Mock模拟API客户端
工具类方法直接调用真实实现或静态替换(PowerMock)
领域实体构造真实对象或Builder模式创建

第二章:Mockito核心机制与基础应用

2.1 理解Mock、Stub与Verify:模拟对象的三大支柱

在单元测试中,Mock、Stub 和 Verify 构成了模拟对象的核心机制。它们帮助开发者隔离外部依赖,提升测试的可控制性与执行效率。
Stub:预设行为的响应者
Stub 用于为方法调用提供预定义的返回值,不关注调用过程,仅关心结果。它适用于状态验证场景。
  • Stub 是“说谎的对象”,伪装成真实依赖
  • 常用于数据库访问或远程API调用的替代
Mock:行为验证的监听者
Mock 不仅能返回预设值,还能记录方法是否被调用、调用次数及参数。其核心价值在于行为验证。

type MockEmailService struct {
    SendCalled bool
    To, Subject string
}

func (m *MockEmailService) Send(to, subject string) {
    m.SendCalled = true
    m.To = to
    m.Subject = subject
}
上述代码中,MockEmailService 记录了调用痕迹。测试时可通过检查 SendCalled 和参数来验证行为。
Verify:断言调用契约
Verify 阶段确认预期调用是否发生,是 Mock 对象的最终用途体现。

2.2 使用Mockito创建模拟对象与行为定义实战

在单元测试中,依赖外部服务或复杂对象会增加测试难度。Mockito 提供了简洁的 API 来创建模拟对象并定义其行为。
创建模拟对象
使用 @Mock 注解或 Mockito.mock() 方法可快速生成模拟实例:
@Mock
UserService userService;

// 或通过代码创建
UserRepository mockRepo = Mockito.mock(UserRepository.class);
上述代码创建了一个 UserRepository 的模拟对象,所有方法默认返回 null 或基本类型的默认值。
定义行为与响应
通过 when().thenReturn() 指定方法调用的返回值:
when(mockRepo.findById(1L)).thenReturn(new User(1L, "Alice"));
此设置确保当调用 findById(1L) 时,返回预设的用户对象,便于隔离测试业务逻辑。
  • 支持抛出异常:使用 thenThrow() 模拟错误场景
  • 支持多次调用不同响应:链式调用 thenReturn(v1).thenReturn(v2)

2.3 处理方法调用返回值与异常抛出的场景设计

在分布式服务调用中,正确处理方法的返回值与异常是保障系统稳定性的关键。需明确区分业务异常与系统异常,并设计统一的响应结构。
统一返回格式设计
采用封装类承载返回结果,便于前端解析与错误处理:
public class Result<T> {
    private int code;
    private String message;
    private T data;
    // 构造方法、getter/setter省略
}
其中,code 表示状态码,message 提供可读信息,data 携带业务数据。
异常分类与处理策略
  • 业务异常:如参数校验失败,应返回 400 状态码并携带提示信息
  • 系统异常:如数据库连接失败,记录日志并返回 500 错误
  • 远程调用超时:触发熔断机制,避免雪崩效应

2.4 验证方法调用次数与顺序:确保交互逻辑正确性

在单元测试中,验证模拟对象的方法调用次数与执行顺序是保障服务交互逻辑准确的关键环节。通过断言调用行为,可有效捕捉因异步执行或条件分支导致的逻辑偏差。
调用次数验证
使用测试框架提供的验证工具,可精确断言某方法被调用的频次:

mockService.EXPECT().FetchData(gomock.Any()).Times(2)
上述代码表明 FetchData 方法预期被调用两次,若实际次数不符,测试将失败。该机制适用于缓存命中、重试逻辑等场景。
调用顺序控制
通过设定调用期望的顺序约束,确保流程符合设计:
  • 先执行认证方法 Authenticate()
  • 再调用数据查询 Query()

gomock.InOrder(
  mockCtrl.RecordCall(mockService, "Authenticate", token),
  mockCtrl.RecordCall(mockService, "Query", req),
)
此模式强制验证方法调用的时序一致性,防止逻辑错位。

2.5 Spying真实对象:部分模拟与行为增强技巧

在单元测试中,有时需要对真实对象进行部分模拟,保留原有行为的同时增强特定方法的控制能力。Spy机制允许开发者“监视”真实对象,在不改变其默认行为的前提下,选择性地替换某些方法的实现。
创建Spy对象
以Mockito为例,通过spy()方法包装真实实例:

List realList = new ArrayList<>();
List spiedList = spy(realList);

when(spiedList.size()).thenReturn(100);
上述代码中,spiedList仍保留ArrayList的所有行为,但size()方法被显式打桩返回100。
关键应用场景
  • 对耗时操作(如网络请求)进行模拟,提升测试执行效率
  • 验证私有方法是否被正确调用
  • 增强日志记录或异常处理逻辑的可观测性

第三章:复杂依赖场景下的模拟策略

3.1 模拟链式调用与深层对象依赖的处理方案

在复杂系统中,对象间常存在深层依赖关系。通过模拟链式调用,可提升代码可读性并简化依赖管理。
链式调用实现示例

class DataService {
  constructor() {
    this.filters = [];
    this.options = {};
  }

  where(condition) {
    this.filters.push(condition);
    return this; // 返回 this 实现链式调用
  }

  set(key, value) {
    this.options[key] = value;
    return this;
  }
}
上述代码通过每次方法调用后返回实例自身,支持连续调用 where().set() 等操作,增强调用流畅性。
依赖解耦策略
  • 使用依赖注入容器管理对象创建
  • 通过代理模式延迟初始化深层依赖
  • 结合工厂函数动态生成配置实例
该方式有效降低模块间耦合度,提升测试性和可维护性。

3.2 静态方法与构造函数的模拟:Mockito 3新特性应用

Mockito 3.4.0 引入了对静态方法和构造函数模拟的原生支持,打破了以往无法直接 mock 静态成员的限制。这一能力基于 ByteBuddy 实现,在不依赖 PowerMock 的前提下完成底层字节码增强。
静态方法的模拟
使用 mockStatic() 方法可对静态类进行 mock:

try (MockedStatic<Utils> mocked = mockStatic(Utils.class)) {
    mocked.when(() -> Utils.getConfig()).thenReturn("test-value");
    assertEquals("test-value", Utils.getConfig());
}
上述代码通过 try-with-resources 管理 mock 生命周期,确保作用域结束后自动清理。mocked 对象拦截所有对 Utils.getConfig() 的调用并返回预设值。
构造函数的模拟
同样地,可通过 mockConstruction() 拦截 new 操作:

try (MockedConstruction<User> mocked = mockConstruction(User.class)) {
    new User("alice");
    assertEquals(1, mocked.getConstructed().size());
}
该机制记录所有通过构造函数创建的实例,便于验证对象生成行为,适用于工厂模式或 Builder 场景的测试验证。

3.3 结合JUnit 5扩展模型实现更优雅的测试结构

JUnit 5 的扩展模型(Extension Model)为测试代码提供了高度可定制化的结构设计能力,取代了早期版本中的 Runner 和 Rule 机制。
核心优势
  • 支持在测试生命周期的各个阶段插入自定义逻辑
  • 通过组合替代继承,提升测试类的简洁性
  • 易于封装通用测试行为,如资源准备与清理
自定义扩展示例
public class DatabaseCleanupExtension implements AfterEachCallback {
    @Override
    public void afterEach(ExtensionContext context) {
        TestDatabase.clear(); // 每个测试后清空数据
    }
}
该扩展实现了 AfterEachCallback 接口,在每个测试方法执行后自动触发数据库清理。通过 @RegisterExtension 注解将其注册到测试类中,即可实现无侵入的资源管理。
注册与使用
方式说明
字段注册使用 @RegisterExtension 注解实例字段
静态注册适用于全局共享资源

第四章:提升测试可维护性与可靠性的高级实践

4.1 使用@Mock、@InjectMocks简化测试初始化流程

在单元测试中,手动创建和注入依赖对象往往繁琐且易错。Spring Boot 测试框架结合 Mockito 提供了 @Mock 和 @InjectMocks 注解,显著简化了测试准备阶段的代码。
核心注解作用解析
  • @Mock:为指定类生成一个模拟实例,用于替代真实依赖;
  • @InjectMocks:自动将 @Mock 创建的依赖注入到目标类中,触发构造函数或字段注入。
@ExtendWith(MockitoExtension.class)
class UserServiceTest {
    @Mock
    private UserRepository userRepository;

    @InjectMocks
    private UserService userService;

    @Test
    void shouldReturnUserWhenFoundById() {
        when(userRepository.findById(1L)).thenReturn(Optional.of(new User("Alice")));
        User result = userService.getUserById(1L);
        assertThat(result.getName()).isEqualTo("Alice");
    }
}
上述代码中,userRepository 被模拟,userService 自动装配该模拟实例,无需手动 new 或 set 操作,极大提升测试可读性与维护性。

4.2 避免测试污染:合理使用Reset与Clearing策略

在单元测试中,测试污染是导致结果不稳定的主要原因之一。不同测试用例之间若共享状态而未及时清理,可能引发误报或漏报。
测试隔离的重要性
每个测试应运行在纯净的环境中。通过在测试前后执行重置操作,可确保状态一致性。
常见清理策略
  • Reset Mocks:恢复所有模拟对象的原始行为
  • Clear Caches:清空内存缓存数据
  • Truncate Tables:数据库测试后清空表记录

func TestUserService(t *testing.T) {
    mockDB := new(MockDatabase)
    service := NewUserService(mockDB)

    t.Cleanup(func() {
        mockDB.Reset() // 重置mock状态
    })

    // 执行测试逻辑
}
上述代码利用 t.Cleanup 在测试结束后自动调用 Reset 方法,确保 mock 对象不会影响后续测试。该机制由测试框架保障执行,即使发生 panic 也能触发清理,提升测试可靠性。

4.3 参数匹配器与自定义Matcher的精准匹配实践

在单元测试中,参数匹配器是提升断言灵活性的关键工具。使用默认匹配器如 any() 或 eq() 可满足基础场景,但在复杂对象或特殊逻辑判断时,需引入自定义 Matcher。
自定义Matcher的实现结构
以 Java 的 Mockito 框架为例,可通过继承 ArgumentMatcher 接口实现精准匹配:

public class CustomUserMatcher implements ArgumentMatcher<User> {
    private final String expectedName;
    public CustomUserMatcher(String expectedName) {
        this.expectedName = expectedName;
    }
    @Override
    public boolean matches(User user) {
        return user != null && 
               user.getName().equals(expectedName) &&
               user.isActive();
    }
}
该匹配器不仅比对名称,还验证用户状态,确保传入参数符合业务语义。
注册与调用方式
使用 argThat() 将自定义 matcher 注入模拟调用:

verify(service).save(argThat(new CustomUserMatcher("John")));
此方式增强测试可读性与健壮性,适用于校验复杂 DTO 或嵌套对象结构。

4.4 测试坏味识别:过度mocking与脆弱断言的规避

在单元测试中,过度mocking会导致测试失去对真实行为的验证能力。当一个测试中大量使用mock对象模拟依赖,测试实际上只验证了“mock是否按预期被调用”,而非系统实际行为。
常见问题表现
  • 测试代码中充斥着 mock.On(...).Return(...) 等设定逻辑
  • 断言集中在方法调用次数或参数,而非输出结果
  • 微小实现变更导致大量测试失败(脆弱断言)
改进示例

func TestOrderService_CalculateTotal(t *testing.T) {
    // 避免mock价格计算器,使用真实实现
    service := NewOrderService(NewFixedPriceCalculator())
    total := service.CalculateTotal("iPhone", 2)
    
    assert.Equal(t, 1998.0, total) // 关注结果而非过程
}
上述代码避免了对价格计算逻辑的mock,转而注入可预测的测试实现,使测试更关注输出一致性,提升可维护性。

第五章:构建企业级Java单元测试质量保障体系

测试覆盖率与持续集成的联动机制
企业级应用需确保核心业务逻辑被充分覆盖。通过 JaCoCo 集成 Maven,可在 CI 流程中强制校验行覆盖率与分支覆盖率:

<plugin>
  <groupId>org.jacoco</groupId>
  <artifactId>jacoco-maven-plugin</artifactId>
  <version>0.8.11</version>
  <executions>
    <execution>
      <goals><goal>check</goal></goals>
      <configuration>
        <rules>
          <rule>
            <element>CLASS</element>
            <limits>
              <limit>
                <counter>LINE</counter>
                <value>COVEREDRATIO</value>
                <minimum>0.80</minimum>
              </limit>
            </limits>
          </rule>
        </rules>
      </configuration>
    </execution>
  </executions>
</plugin>
多维度测试策略组合
采用分层测试策略提升系统可靠性:
  • 使用 JUnit 5 + Mockito 验证服务层逻辑隔离性
  • 引入 Testcontainers 对接真实 MySQL 实例进行集成测试
  • 利用 Spring Boot Test 模拟 Web 层端点行为
  • 通过 WireMock 模拟第三方 API 响应延迟与异常场景
质量门禁在流水线中的实施
下表展示某金融系统在 Jenkins 中设置的质量阈值:
指标最低阈值告警方式
行覆盖率80%邮件通知负责人
变异测试存活率<15%阻断发布
单测执行耗时5分钟触发性能分析

提交代码 → 执行单元测试 → 生成覆盖率报告 → 质量门禁判断 → 触发部署或阻断

java单元测试:Mockito常用技巧 Mockito是一个开源的Mock框架,旨在为Java单元测试提供简单、可读的Mock对象。它可以模拟类的行为,使测试代码能够在不依赖真实对象的情况下运行。Mockito是一个强大的Mock框架,为Java开发者提供了丰富的功能来创建和配置Mock对象。通过使用Mockito,可以隔离外部依赖,提高测试的独立性和稳定性。掌握Mockito的核心功能和高级用法,可以帮助你编写高效、可靠的单元测试。 阅读详情

相关推荐

Spring Boot 整合 Mockito:提升Java单元测试的高效实践

Mockito与Spring Boot的整合为Java开发者提供了一套完整的解决方案,使得单元测试更为精准、高效,从而确保了代码质量、降低了维护成本,并促进了项目的持续集成与交付。通过合理运用Mockito的各项功能,开发者能够编写出高度可信赖且易于维护的单元测试代码。

给自己一个smile 3545

自动化测试框架[基于Cypress的Mock Server 最佳实践]

【附源码】更改Mock Server端口/自动生成Mock数据/模拟返回状态码...

一块大洋 1万+

JUnit与Mockito单元测试典型示例

单元测试的重要性无需赘述,但单元测试也会遇到困难,其中之一就是如何 创建依赖。试想我们常见的server端分层架构,数据访问层Dao,业务层, 以及Web层,想要单元测试业务层,我们需要依赖Dao层提供数据支持,Dao 层又依赖数据库,数据库需要shema以及data。为了测试业务逻辑,竟然 需要准备那么多东西,想想就麻烦,单元测试的热情也减去大半。**这个问题的 解法就是mock技术,模

永无止境,上下求索 1万+

测开工具:spring boot 实现mock平台

spring boot 实现mock平台

喵酱 4746

你在工作中会写测试用例嘛?Mockito 的最佳实践

记得以前面试的时候,面试官问我,平常开发过程中自己会不会测试?我回答当然会呀,自己写的代码怎么不测呢。现在想想我好像误会他的意思了,他应该是想问我关于单元测试,集成测试以及背后相关的知识,然而当时说到测试,我也只知道 Junit。那么今天就说说开发过程中涉及到的测试以及相关的技术栈。 虽然测试分为单元测试,集成测试,系统测试等等,但是作为开发,我们可能不需要做这么多的测试(有时甚至不做……)接下...

余同学的开发之路 2556

保姆级教程:用高云GW2A开发板搭建RISC-V软核处理器(含DDR3内存优化配置)

本文提供了一份详细的保姆级教程,指导开发者使用高云GW2A-LV18PG256C8 FPGA开发板搭建RISC-V软核处理器系统。教程涵盖了从开发环境搭建、PicoRV32软核集成,到关键的DDR3内存控制器配置与优化,并深入讲解了时序约束与系统调试方法,帮助初学者和爱好者实现从逻辑设计到软硬件协同的深度实践。

2a4s6d8f0g的博客 571

Mockito常用方法及示例

Mockit是一个开源mock框架,官网:http://mockito.org/,源码:https://github.com/mockito/mockito 要使用Mockit,首先需要在我们工程中引入对应的jar包,对于maven工程而言,需要添加如下依赖项即可: org.mockito mockito-core 2.0.5-beta 而在我们实际使用时,为了组织

敌测漏师 3万+

【论文笔记】Reaching agreement in the presence of faults (EIG)

1 问题定义 2 交互一致性 3 单点故障 m=1 n=4 4 多点故障(n&amp;gt;=3m+1) 计算过程 m=2 n=7 5 n&amp;lt;3m+1不能达成协定 6 带认证的算法 7 总结 这篇论文在1980年发表,是1982年著名的拜占庭将军问题论文的前身。作者Leslie Lamport是2013图灵奖得主,两篇论文引用次数分别为5000+和2000+。该论文提出的算法现在被...

zjwreal 2995

单元测试(系列3):Mockito测试框架中的方法详解

①when()方法②thenReturn(要返回的值)⑤doAnswer⑨doThrow()⑩模拟构造函数MockedConstruction⑩①模拟静态方法:MockedStatic使void方法什么也不做doNothing()①verify()方法:②verify(object, Mockito.times(2))方法③verifyNoMoreInteractions()方法:①验证是否相等:Equals②验证结果真假③验证结果是否为null④验证对象引用⑤验证是否满足指定条件。

baomingshu的博客 2870

第十一届全国大学生GIS应用技能大赛——广西区域发展布局示意图

我们需要制作一幅广西区域发展布局示意图,最终成图参考“数据”文件夹中的广西区域发展布局示意图.png。地图使用的投影坐标系是 Asia_North_Albers_Equal_Area_Conic,其中地理坐标系是China_Geodetic_Coordinate_System_2000,中央经线东经 105°,标准纬线是北纬 25°和北纬 47°,出图比例尺 1:4,780,000。

@HNUSTer的博客 7802

Unity Android构建报错:compileSdk 35兼容性五层定位法

Android构建中的compileSdk是编译时API目标版本,其升级并非孤立操作,而是触发JDK、Android Gradle Plugin(AGP)、NDK、targetSdk与Unity引擎版本之间强耦合校验的起点。当出现'using a newer Android Gradle plugin to use compileSdk = 35'类报错,本质是代际技术栈错配——例如AGP 7.1.3不识别compileSdk 35所需Java 17语法,或NDK 21与AGP 7.4的ABI规范冲突。该问

weixin_32496547的博客 569

教你用Mock实现复杂登陆接口下如何优雅的获取Token

在“学习”代码的过程中竟然惊奇的发现同事写了测试用例,对于一直使用`PostMan`来进行接口测试的我表示非常不理解,测试用例到底有什么神奇之处?

阿Q的小窝 3515

YOLO11涨点优化:原创自研 | 魔改Bottleneck,具备多尺度和特征通道融合的结构

可以将C3k2_MSAMCS放在neck,或者backbone和neck同时修改,具体看自己数据集的涨点情况决定

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 1654

Mockito单元测试详解

(注意: @RunWith(MockitoJUnitRunner.class) 不能和 @RunWith(SpringRunner.class) 同时使用,而一般都需要 @RunWith(SpringRunner.class) 提供spring容器环境,所以很少用这个注解)SpringBoot默认的Mock框架是Mockito,和junit一样,只需要依赖spring-boot-starter-test就可以了。测试的时候需用调用B服务,但是B服务没写 好,这是可以先Mock一个B服务。

RuiKe的博客 6250

PCL 基于强度的双边滤波【2026最新版】

基于强度信息的双边滤波代码实现、滤波前后点云未出现变化的原因以及获取带有强度pcd点云的方法。本文由优快云点云侠原创,博客长期更新,本文最近一次更新时间为:2026年5月24日。

点云侠的博客 29万+

成功解决raise Py4JError py4j.protocol.Py4JError: py4j.protocol.Py4JError: Could not find py4j jar at 

成功解决raise Py4JError("Could not find py4j jar at {0}".format(jarpath)) py4j.protocol.Py4JError: Could not find py4j jar at 目录 解决问题 解决思路 解决方法 1、第一步安装jdk 2、第二步安装或升级py4j 解决问题 raise Py4JError("Could not find py4j jar at {0...

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 4627

单元测试Mockito笔记

Mockito是Java生态系统中最受欢迎的单元测试模拟框架之一,以其简洁易用的API和强大的模拟能力赢得了广大开发者的青睐。Mockito允许我们在不实际依赖外部资源的情况下对代码进行彻底且高效的单元测试,极大地提升了测试覆盖率和代码质量。Mockito是一种模拟框架,其核心概念是在测试过程中创建并使用“Mock对象”。Mock对象是对实际对象的一种模拟,它继承或实现了被测试类所依赖的接口或类,但其行为可以根据测试需求自由定制。控制其在测试环境下的行为,从而将注意力聚焦于类本身的逻辑验证上。 的底层原理是

wujing1_1的博客 1881

运行codex时出现登录失败:failed to start login server: 以一种访问权限不允许的方式做了一个访问套接字的尝试。 (os error 10013) 解决方案

的本质是Windows 系统端口保留策略而非代码 bug。推荐使用方案一(调整动态端口范围),一劳永逸解决。如果你安装了 Docker Desktop 或启用了 WSL2,调整端口范围后记得检查相关服务是否正常运行。

一键难忘的博客 4168

Java 单元测试最佳实践 JUnit 5 与 Mockito Mock 测试

Spring MVC 拦截器与过滤器对比 请求处理阶段的责任链设计

2501_93753784的博客 911

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Java 单元测试Mockito与PowerMock

Mockito是 Java 单元测试的“标配”工具,专注于模拟常规依赖(接口、普通类),通过@Mock简化依赖隔离,核心能力包括模拟行为、验证调用、捕获参数。PowerMock作为补充,解决 Mockito 无法处理的场景(静态方法、私有方法、构造函数),但需谨慎使用(避免掩盖代码设计问题)。掌握这两个工具,可有效隔离复杂依赖,聚焦被测试单元的逻辑验证,大幅提升单元测试的覆盖率和可靠性,是保障代码质量的核心手段。以下是Java中使用Mockito进行单元测试的实际场景案例。

一叶之秋的博客 1817

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Mockito:Java单元测试Mock框架

在进行单元测试时,如果依赖的服务尚未开发完成,或依赖的对象不方便构造,这时我们就需要模拟( Mock)对象。

秃了也弱了 1882

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

SpringBlade单元测试最佳实践:JUnit5与Mockito实战教程

你是否还在为SpringBlade微服务项目的单元测试覆盖率低而烦恼?是否在调试复杂业务逻辑时缺乏可靠的测试保障?本文将通过实战案例,教你如何使用JUnit5和Mockito构建高效的单元测试体系,确保代码质量与业务稳定性。读完本文你将掌握:SpringBlade测试环境搭建、服务层/控制器层测试技巧、Mock外部依赖方法、测试覆盖率提升策略。 ## 测试环境基础配置 SpringBlade项

gitblog_00402的博客 1159

Java单元测试篇之Mockito+PowerMock

本篇文章旨在介绍单元测试的基本概念,介绍如何使用Mockito+PowerMock进行单元测试,对开发中坏代码进行预检测。在实际开发中,如果我们想保证代码的高质量,那必然需要写大量单元测试,需要对代码的各类各行及各分支覆盖的非常全面,而伴随而来的是我们又会面临代码在提交合并跑流水线的时间过长等问题,因此后续的文章将介绍一些涉及到单元测试的效率问题和其优化方法。相信大家对于上述jar包版本的选择提高了关注度,且CV大法可以直接让大家避免出现各种版本冲突,代码运行不起来的问题。

weixin_51360020的博客 3757

Java 单元测试框架之 Mockito 详细介绍

本文详细介绍了Java 中流行的单元测试框架 Mockito,对框架的概念、原理和常见注解进行了详细介绍,包含博主个人的使用心得,最后使用多个示例进行演示。

青灯文案的博客 2232

java单元测试(Junit4 + Mockito + MockMvc)

了解单元测试概念 什么叫单元测试? 单元测试(unit testing),是指对软件中的最小可测试单元进行检查和验证。Java里可测试单元单元——>java类 单元测试的意义 软件质量最简单、最有效的保证; 是目标代码最清晰、最有效的文档; 可以优化目标代码的设计; 是代码重构的保障; 是回归测试和持续集成的基石。 最后才修改一个 bug 的代价是在bug产生时修改它的代价的10倍! T...

wangjunjie0817的博客 7430
上一篇: 揭秘Dubbo服务治理难题:5步实现高性能微服务调用
下一篇: 【JVM调优从入门到精通】:资深架构师20年经验倾囊相授
CompiGlow
博客等级 码龄1年 159粉丝 1987原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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