- 博客(33)
- 收藏
- 关注
RSS订阅原创 使用yagmail发送邮件
Step1: 下载yagmailpip install yagmail -i https://pypi.tuna.tsinghua.edu.cn/simpleStep2: 发送邮件代码 send_email.pyimport yagmail# 连接服务器yag = yagmail.SMTP(user='sender@126.com', password='zzzzzzz', host='smtp.126.com')# 邮件正文contents = ['打工人 2021.04.13']#
2021-04-13 10:16:20
981
1
原创 单元测试如何封装?
疑问1: 写用例时为什么要封装方法?模块化测试思路:写自动化过程中会发现,很多测试用例,操作步骤一样, 输入输出不同最大化减少重复代码,提高测试用例的可维护性质把操作步骤封装成一个方法疑问2: 测试用例的断言要不要写在封装的方法中?每条测试用例断言点相同可能性比较小所以断言内容建议写在测试用例中且断言写在测试用例中,思路比较清晰...
2021-04-08 14:45:06
387
原创 unittest学习笔记
什么是unittest?单元测试框架 好处1:提供断言失败的提示 好处2:跳过执行失败的用例继续测试 好处3:统计测试结果主要成员有哪些?Testcase: 检查特定输入的特定返回值TestSuite : 组装一组需要运行的测试用例TestRunner: 协调测试执行并向用户提供测试结果Test Fixture: 执行测试所需的环境准备举例测试对象 cal.py# 计算器类class Calculator:""" 用于完成两个数的加、减、乘、除 """ def __init
2021-04-07 16:13:21
265
3
原创 python+selenium:多表单切换/fram iframe切换/多窗口切换
问题1：登录126邮箱时无法定位到web端元素原因：web端使用了表单嵌套页面应用，无法直接定位到表单内嵌页面上的元素方案：从当前页面切换到目标元素所在页面举例１：iframe id 部分匹配iframe 长什么样？例句126邮箱登录界面<iframe name="" frameborder="0" id="x-URS-iframe1617678675405.6267" scrolling="no" style="width: 100%; height: 100%; border: none
2021-04-06 11:50:16
314
原创 unittest+ddt 自动化测试
#!/usr/bin/env python# -*- coding:utf-8 -*-__author__ = 'myy'__date__ = '2021.03.18'import ddt, unittest@ddt.ddtclass MyTesting(unittest.TestCase): def setUp(self) -> None: print('test start') # 传入的数据未被分解,正向用例 @ddt.data([1,
2021-03-18 10:05:06
157
1
原创 输入错误的账号或密码均可登录mysql server
问题:输入错误的账号或密码均可登录mysql server环境:ubuntu16.4 MySql version 5.7.30方案:cd /etc/mysql/mysql.conf.dsudo gedit conf mysql.cnfskip-grant-tables #注释掉该语句 保存退出sudo service mysql restart #重启mysql 服务器...
2020-06-29 15:19:51
510
原创 pymysql.err.InternalError: (1130, "Host '192.168.16.144' is not allowed to connect to this MySQL ser
问题描述mysql-client端连接mysql-server端报错，信息如下：pymysql.err.InternalError: (1130, "Host '192.168.16.144' is not allowed to connect to this MySQL server")注意：1. mysql版本 14.14 Distrib 5.7.292. 环境 ubun...
2020-04-25 13:53:01
1175
2
原创 pymysql.err.OperationalError: (2003, "Can't connect to MySQL server on '192.168.16.146' ([Errno 111]
问题描述mysql 远程连接debian8中的mysql数据库的，报错注意：1. mysql版本 14.14 Distrib 5.7.292. 环境 ubuntu 18.04.4 LTS解决方案：sudo gedit /etc/mysql/mysql.conf.d/mysqld.cnf注释掉下面这行bind-address = 127.0.0...
2020-04-25 13:42:15
2580
原创 基于Win10安装双系统Ubuntu不能正常进入的问题
基于Win10安装双系统Ubuntu不能正常进入的问题1.基于Windows安装Ubuntu，如果需要再次覆盖安装需要进入Windows，将需要覆盖安装的磁盘，重新分区2.安装Ubuntu结束，根据提示进行restart，直接进入Windows系统进入Windows，安装easyBCD使用easyBCD新建Ubuntu启动项重启重启后进去引导页面，选择 NeoSmar...
2019-03-18 12:09:32
1704
原创 ubuntu安装后卡顿问题
安装Ubuntu成功，restart登录后，会发现电脑特别卡，是因为没有安装显卡驱动根据个人经历， 分享其中一种Ubuntu安装显卡驱动的方法英伟达官网下载符合电脑硬件的驱动到Ubuntu某个文件下（我的存放在/home/Downloads 文件夹下,驱动为：NVIDIA-Linux-x86_64-418.43.run）打开terminal ，进入/home/Downloads执行 ...
2019-03-18 12:07:20
10879
1
原创 python_增加图像数据集方法
1.旋转dir_path='/Users/xxxx/Desktop/Share Folder/png&dat/timg.jpeg‘img=cv2.imread(dir_path)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]matRotate = cv2.getRotation...
2018-12-21 15:23:19
3411
原创 teraFAST_analyis_Mirror
import numpy as npimport cv2dir_path='/Users/xxxx/Desktop/Share Folder/png&dat/xiaoya.png'data=cv2.imread(dir_path)data_new=np.fliplr(data)cv2.imshow('data',data)cv2.imshow('data_new',data_...
2018-12-14 12:33:30
218
原创 teraFAST_analyis_color
1.mode=‘bw’ : blue-tinted black&amp;whitedef generateLUT_bw(): temp = np.zeros((256,1,3),dtype=np.uint8) xxx=np.arange(256,dtype=np.uint8) temp[:,0,0]=120 temp[:,0,1]=xxx temp[:,0...
2018-12-14 12:10:34
308
原创 teraFAST_analyis_white_black
一：white_value=100 &amp; black_value=10 &amp; smoothness=50import cv2import numpy as npdir_path='/Users/xxxx/Desktop/Share Folder/png&amp;dat/new_img.png'data=cv2.imread(dir_path)def controlFunc...
2018-12-13 16:37:15
238
原创 gamma 图像校正
dir_path='/Users/x x x x/Downloads/picture/IMG_4470.JPG'image=cv2.imread(dir_path)def gamma_trans(img,gamma): gamma_table=[np.power(x/255.0,gamma)*255 for x in range(256)] #np.power(10,2)-...
2018-12-12 20:55:12
439
原创 图像的平滑处理_python
一.定义图像与filter进行卷机#convolve def imgConvolve(img,kernel): rows,cols=img.shape kernel_rows,kernel_cols=kernel.shape padding_rows,padding_cols=int((kernel_rows-1)/2),int((kernel_cols-1)/2) ...
2018-11-22 21:29:02
2644
原创 数字图像噪声_Python
一：数字图像噪声来源图像的获取（数字化过程）和传输过程，当使用相机获取图像时，光照程度和传感器温度是生成图像大量噪点的主要因素。二：图像加入高斯噪声（正态噪声）def GaussianNoise(src,mean,sigma): NoiseImg=src rows,cols=NoiseImg.shape for i in range(rows): fo...
2018-11-12 19:50:37
1163
原创 滤波器_理想高通滤波器python案例
一：高通滤波简单粗暴理解为将图像中心化后移除中间部分低频信息new_img=cv2.imread('person.jpg',0)rows,cols=new_img.shapecrow,ccol=int(rows/2),int(cols/2)mask1=np.ones((rows,cols),np.uint8)mask2=np.ones((rows,cols),np.uint8)ma...
2018-11-12 17:31:57
2432
原创 滤波器_理想低通滤波器python案例
一：基于opencv傅立叶变换的低通滤波#导入相关库import cv2import numpy as npimport matplotlib.pyplot as plt#使用cv2 读入图片new_img=cv2.imread('person.jpg',0)#pencv中的傅立叶变化dft=cv2.dft(np.float32(new_img),flags=cv2.DFT_C...
2018-11-12 17:18:32
5868
1
原创 滤波器_理想低通/高通滤波器原理
1.滤波器作用 消除干扰杂讯噪声，对信号进行频率成分的选择2.高通滤波 过滤低频信息，让高频信息通过3.低通滤波 过滤高频信息，让低频信息通过4.理想低通滤波D0表示通带半径，D(u，v)是到频谱中心的距离(欧式距离),公式如下：（
2018-11-12 16:17:32
5519
原创 Decision Tree_决策树案列
寻找信息增益最大的索引导入需要的python库from math import log创建数据def creatData(): #ages: 0-young 1-middle-aged 2-older #work: 0-no 1-yes #house: 0-no 1-yes #loan_credit: 0-nomal 1-goo...
2018-10-26 14:12:16
206
原创 caffe_将caffe net框架生成图片的形式
sudo python /home/marry/caffe/python/draw_net.py /home/marry/caffe/examples/mnist/A_my_lenet.prototxt /home/marry/caffe/examples/mnist/lenet.jpg
2018-09-27 19:20:26
195
原创 Linux _caffe_CPU安装过程中遇到的坑
Linux caffeCXX/LD -o .build_release/tools/upgrade_net_proto_binary.bin.build_release/lib/libcaffe.so: undefined reference to cv::imread(cv::String const&amp;amp;amp;, int)' .build_release/lib/libcaffe....
2018-09-27 09:29:48
1031
原创 聚类常见算法K-means & DBSCAN
一.K-means Clustering1.读取数据import pandas as pdbeer = pd.read_csv('data.txt', sep=' ')beer 2.只取有用的四列数据X = beer[["calories","sodium","alcohol","cost"]]X.head() 3.使用Kmeans对X进行分类from skl...
2018-09-10 20:30:24
661
原创 DBSCAN聚类算法
主要作用：离群点 异常点的检测1.核心对象:若某个点的密度达到算法设定的阈值则其为核心点。 (即 r 邻域内点的数量不小于 minPts)2.直接密度可达:若某点p在点q的 r 邻域内，且q是核心点则p-q直接密度可达3.密度可达:若有一个点的序列q0、q1、…qk，对任意qi-qi-1是直接密度可达的 ，则称从q0到qk密度可达4.密度相连:若从某核心点p出发，点...
2018-09-10 18:40:42
397
原创 贝叶斯应用_文本分析_代码实践
一：停用词 语料中大量出现却没什么作用的词 二：词频(TF) 词频(TF)=某词在文章中的出现次数 / 该文章所有词的出现次数 三：逆文档频率(IDF) 逆文档频率(IDF)=log( 语料库的文档总数 / (包含该词的文档树+1) ) 四：Tf-idf 关键词提取 Tf-idf=TF * IDF 五：相似度 对需要求相似度的两个中文句子进行 分词-构建语料库-词频-词频向量...
2018-09-07 02:01:56
533
原创 贝叶斯应用_文本分析_理论支持
一：停用词 语料中大量出现却没什么作用的词 二：词频(TF) 词频(TF)=某词在文章中的出现次数 / 该文章所有词的出现次数 三：逆文档频率(IDF) 逆文档频率(IDF)=log( 语料库的文档总数 / (包含该词的文档树+1) ) 四：Tf-idf 关键词提取 Tf-idf=TF * IDF 五：相似度 对需要求相似度的两个中文句子进行 分词-构建语料库-词频-词频向量...
2018-09-07 00:00:20
204
原创 贝叶斯应用_拼写检查器
step1:导入相关库import re,collectionsstep2：将语料库中的数据全部转换为小写且去除其他字符def words(text): return re.findall('[a-zA-Z]+',text.lower()) #re.findall() 返回text中所有的大小写字母相匹配的全部字串 #'[a-zA-Z]+' 不分大小写字母的...
2018-09-06 19:59:34
241
原创 贝叶斯算法
一：计算公式二：推导过程某一学校60%是男生，40%是女生，男生基本都穿长裤，女生有一半穿长裤一般啊穿裙子 问题：迎面走来一穿长裤的学生，请问是女生的概率是多少 假设学校总人数为S 男生穿长裤的概率 P(pants|boys)=S*P(boys)*P(pants|boys) 女生穿长裤的概率 P(pants|girls)=S*P(girls)*P(pants|girls) ...
2018-09-06 17:56:29
512
原创 随机森林和集成算法
集成算法ensemble learning一：bagging bootstrap aggregation训练多个分类器求平均值 随机：每一树按照一定比例随机采样(有放回的采样)，特征选择随机 优势：选择随机，保证很强的泛化能力 代表：如随机森林 森林：很多决策树并行求平均值 计算公式：二：boosting从弱学习器加强代表：AdaBoost 根据前一次的分类效果调整...
2018-09-06 15:43:06
362
原创 决策树_可视化_最佳参数选择
step1:导入相关库%matplotlib inlineimport matplotlib.pyplot as pltimport pandas as pdstep2:使用sklearn datasets内置数据集(某一地区的房价数据)from sklearn.datasets.california_housing import fetch_california_housin...
2018-09-05 16:23:06
1262
原创 决策树_基本概念
衡量标准-熵(P)：表示随机变量的不确定性的度量(物体内部的混乱程度) P=0.5不确定性最大 P=1或者P=0 完全没有不确定性* 熵计算公式 H(x) = -∑p(xi)log(2,p(xi)) (i=1,2,..n)* 栗子1 义乌杂货市场商品很多很混乱熵值会比较大* 栗子2 苹果专卖店只有苹果品牌比较稳定，熵值很小信息增益：表示特征X使得类Y的不确定减少的程度...
2018-09-05 15:06:52
366
原创 Logistic Regression 梯度下降求解
Logistic Regression目的：判断留学申请是否成功step1:read dataimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlineimport ospath='data'+os.sep+'LogiReg_data.txt'pdData...
2018-09-03 19:20:13
489
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人