评论/点赞/分享/收藏/上传/下载/收索/ 测试点

评论/点赞/分享/收藏/收索/上传/下载的测试点 评论的测试点: 功能: 1:点击发表评论是否正常弹出输入框 2:正常评论的输入内容是否有限制,是否可以输入特殊字符 3:发表评论后,对方的朋友圈信息是否加1 4:重复点击是否会发表重复的评论 5:发表过的评论是否可以复制 性能: 评论发表后,接口的响应时间是否符合用户期待 安全: 1:敏感词汇是否会做相应处理 2:拉黑的好友或删除的好友是否还可以发表评论 3:没有登录是否可以访问发表的接口 UI界面: 评论界面是否符合原型图的设计,字体大小,颜色,排列方式 易用性: 1:评论 阅读详情

分享


功能:
点击分享,是否弹出分享平台图标

点击取消时,是否隐藏分享平台图标

分享至微信好友或朋友圈是否可以正常实现

性能:
分享后的页面跳转时间过长是否提示

安全:
用户未登录是否可以分享

分享内容包含不好的成分是否会阻止分享

UI界面:
分享界面是否设计合理

分享按钮是否美观

易用性:
老人是否可以正常使用

弱网:
网络不好导致分享超时是否有提示

中断:
分享中断内容是否会分享成功

兼容:
不同的手机系统是否可以看到分享的内容

点赞

功能:

是否可以点赞
是否可以重复点赞
是否可以给自己点赞
是否可以给陌生人点赞

性能:

点赞响应时间
取消点赞响应时间
重复点击点赞按钮是否造成卡顿
多人同时点赞是否对服务器造成压力

安全:
点赞成功是否显示微信名
陌生人是否可查看点赞人员
陌生人是否可以点赞

UI界面:
按钮布局是否合理
输入框布局是否合理
文字大小是否合理
评论位置区域是否合理
点赞样式是否合理
文字样式是否合理

易用性:
点击评论是否直接弹出输入框
光标位置是否合理
添加表情是否繁琐
取消功能是否简洁
点赞流程是否简洁

弱网:
信号偏弱评论响应时长
信号偏弱取消评论响应时长
信号偏弱点赞响应时长
信号偏弱取消点赞响应时长
信号偏弱点击微信名称进入微信信息页响应时长

中断:
点赞时手机息屏是否点赞成功
兼容

不同的操作系统,机型上是否可以正常点赞

评论


功能:
是否可以评论
是否可以使用表情
评论字数是否有限制
是否可以有敏感词
评论成功是否直接展示
是否可以对已评论朋友圈进行评论
是否可以对自己的评论进行评论

性能:
评论成功响应时间
取消评论响应时间
评论是否可能失败
连续评论是否会造成卡顿
多人同时评论是否对服务器造成压力

安全:
评论成功是否显示微信名
点击微信名是否进入微信信息页
陌生人是否可以评论
是否可以设置不可评论
评论是否可以删除
他人发的朋友圈好友评论,非好友是否可见

UI界面:
按钮布局是否合理
输入框布局是否合理
文字大小是否合理
表情大小是否合理
评论位置区域是否合理
点赞样式是否合理
点赞人显示区域是否合理
文字样式是否合理
评论区和点赞区与底色是否有颜色区分

易用性:
点击评论是否直接弹出输入框
光标位置是否合理
添加表情是否繁琐
取消功能是否简洁

弱网:
信号偏弱评论响应时长
信号偏弱取消评论响应时长
信号偏弱点赞响应时长
信号偏弱取消点赞响应时长
信号偏弱点击微信名称进入微信信息页响应时长

中断:
评论时候断电电脑关机之前的内容是否还保存着

手机评论时断网是否可以发送
兼容

不同的操作操作系统,机型上是否可以正常进行评论

手机和电脑上的评论是否同步一致

下载


功能:
下载功能是否能够正常使用

是否支持批量下载

批量下载是否影响下载速度

下载的暂停功能是否可以正常使用

下载的数据是否和正确

取消下载是否可以正常使用

性能:
电脑端下载完成是否支持自动运行,及打开对应目录

手机端下载完成是否会提示并且弹出

安全:
若需要权限是否可以正确限制

会不会不提示用户直接获取对应的权限

下载是需要登录是否可以绕过登录进行下载

未登录是否可以正常下载

若下载需要积分,取消下载是否会扣除响应的积分

UI界面:
下载界面是否设计的合理

下载按钮位置是否合理

页面是否美观

下载按钮是否美观

易用:
小孩,老人是否可以正确使用下载功能

弱网:
网络卡顿是是否会影响下载速度

若往下的下载时长是不会有误

中断:
被下载的内容从本地被删除了,还能识别出是否重复下载

正在下载过程中,需要下载的内容在服务器端被删除或过期时间已到,系统如何处理
兼容

不同的测试工具用迅雷等下载工具进行下载,测试过程,功能测试项均正确

苹果,Win7,Win8,Win2003,32位和64位操作系统上进行下载测试,功能测试项均正确

收藏


功能:
是否支持收藏表情,文件,聊天记录等内容

表情包收藏成功后,可以正常使用

表情包收藏后支持删除后再次删除

电脑和手机QQ收藏的表情是否可以共用

空间不足时,点击收藏,是否正常处理

达到收藏上限时点击收藏,是否正常处理

收到表情超过一定时限点击收藏,是否正常处理

本地修改不支持的格式为支持的格式,点击收藏,是否正常处理

性能:
.单个用户对单个表情收藏和批量收藏时,响应时间是否符合要求

多个用户对单个表情收藏和批量收藏时,响应时间是否符合要求

用户收藏表情数量达到最大限度时,用户使用表情时响应时间是否符合要求

安全:
添加感染病毒的图片进行收藏,是否可以收藏

图片及内容涉及违规时,是否可以收藏

UI界面:
收藏界面样式是否合理

收藏字体是否居中

易用性:
收藏操作是否方便、简单、易上手;
收藏后是否便于使用

收藏后删除是否不再占用内存

弱网:
弱网络、断网离线时,点击收藏,是否正常处理

中断:
收藏是网络中断是否可以收藏

收藏时有电话打断下次是否可以继续收藏
兼容

不同Windows操作系统是否可以正常收藏

QQ更新版本后,原收藏的表情可以正常使用

在Windows/Mac/IOS/Android设备上可以正常浏览和使用收藏的表情

搜索


功能:
搜索按钮功能是否实现

点搜索后,原先的搜索条件是否清空;

注意验证搜索框的功能是否与需求一致

模糊搜索或者完全搜索是否支持。

如果支持模糊查询,搜索名称中任意一个字符,要能搜索到;如果支持完全搜索,点击“搜索”,查询结果正确;中%国,查询结果是不是都包含中国两个字的信息

比较长的名称是否能查到,输入过长查询数据,看其有没判断,报错;系统是否会截取允许的长度来检索结果;只能输入允许的字符串长度?

搜索框输入空内容是否可以出现内容

是否有忽略空格的功能,有的搜索框是需要有忽略前置空格和后置空格的功能,但不能把中间空格忽略;

敏感词汇,提示用户无权限等信息

性能:
反复输入相同的数据(5次以上)看是否报错

网页状态好的情况下啊下页面跳转时间是否过长

网页状态不好的情况下跳转时间会不会有误

安全:
被删除、加密的数据,不允许被查询出来

输入敏感词汇是否会提示不支持查找

UI界面:
搜索框UI显示正常,布局合理(搜索框默认的搜索icon,末尾处的X按钮等等)

搜索页面布局合理,无错别字

搜索出的结果展示,布局合理

已查看过的结果,是否要做特殊(如置灰、标红)处理

数据较多时,页面的分页布局是否合理

易用性:
依据不同的查询结果会有相关的人性化提示,查不到时告知?查到时统计条数并告知?有疑似输入条件错误时提示可能正确的输入项等等处理;

查询出的结果罗列有序,如按点击率或其他排序规则,确保每次查询出的结果位置按规则列示方便定位,显示字体、字号、色彩便于识别等等;

是否可以根据

弱网:
网络不好是否会影响搜索的响应时间

搜索出结果消耗的时间

搜素超时前端提示合理

中断:
搜索进行的时候浏览器被关闭再此打开是否会提示上一次关闭的页面再此进行搜索
兼容:

不同的系统:windows,ios,mac系统是否可以正常显示

在不同的浏览器中是否搜索相同内容是否可以出现

上传


功能:
选择符合要求的文件,上传是否成功

上传成功的文件名称显示是否正常

删除上传成功的文件是否可以删除

替换上传的文件是否可以替换

性能:
上传时网速很慢(限速)超过时间是否提示

上传过程断网是否提示上传失败或成功

安全:
下载次数是否被正确记录

上传常见的木马文件是否可以上传不能上传是否有提示信息

服务器空间已满是否可以上传不能有没有提示信息

UI界面:
界面美观性、易用性

按钮文字是否正确

正确/错误提示的文字是否正确

说明性文字是否正确


易用性:

萌新是否可以正常操作

弱网:
上传时网速很慢(限速)超过时间是否提示

上传文件速率性能测试:检查上传不同的文件在不同的网络环境响应速度,及系统资源占用

中断:
上传过程断网是否提示上传失败或成功
兼容:

手机和电脑上上传的文件是否可以互通

不同的系统是否都可以上传

评论/点赞/分享/收藏/搜索/上传/下载的测试点有哪些 评论测试点 功能: 1.点击发表评论能否正常弹出输入框,输入框内是否显示默认文字; 2.正常评论的输入内容限制(中文,英文,数字,字符等),能否输入特殊字符,表情,图片,语音评论等;输入长度限制,支持的最短长度和最长长度,输入空; 3.是否对输入评论做过滤前后空格处理; 4.发表评论后对方及两人的共同好友可见,非好友不可见;且对方的朋友圈信息+1; 5.每个人发表评论以及该动态所允许评论个数有没有最大限制; 6.重复点击会不会发表重复的评论; 7.发表过的评论是否支持删除,本人可删除还是发表 阅读详情

相关推荐

评论/点赞/分享/收藏/搜索/上传/下载的测试点

评论的测试点 功能测试 评论和删除评论功能 能否回复评论 评论能否按时间先后顺序显示 评论是否有上限 评论能否按时间先后顺序显示 评论是否有上限 能否及时刷新 共同好友能否看得到评论,非共同好友能否看到评论状态 以及能否回复 a、评论长度:评论字数合理长度、评论超过字数上限 b、评论类型:纯中文、纯数字、纯字母、纯字符、纯表情(微信表情/手机自带表情)、混合类型、包含url链接; c、评论是否支持复制粘贴 d、为空验证 e、发表评论后删除 f、评论回复操作 性能 被评论方和其共同好友多久收到动态消息

m0_50542287的博客 830

微信评论测试用例

一.功能测试 1.点击发表评论能否正常弹出输入框,输入框内是否显示默认文字; 2.正常评论的输入内容限制(中文,英文,数字,字符等),能否输入特殊字符,表情,图片,语音评论等;输入长度限制,支持的最短长度和最长长度,输入空; 3.是否对输入评论做过滤前后空格处理; 4.发表评论后对方及两人的共同好友可见,非好友不可见;且对方的朋友圈信息+1; 5.每个人发表评论以及该动态所允许评论个数有没有最大限制; 6.重复点击会不会发表重复的评论; 7.发表过的评论是否支持删除,本人可删除还是发表者可删除; 8.发表者

执子手 吹散苍茫茫烟波 8461

评论/点赞/分享/收藏/收索/上传/下载

评论: 一.功能测试 1.点击发表评论能否正常弹出输入框,输入框内是否显示默认文字; 2.正常评论的输入内容限制(中文,英文,数字,字符等),能否输入特殊字符,表情,图片,语音评论等;输入长度限制,支持的最短长度和最长长度,输入空; 3.是否对输入评论做过滤前后空格处理; 4.发表评论后对方及两人的共同好友可见,非好友不可见;且对方的朋友圈信息+1; 5.每个人发表评论以及该动态所允许评论个数有没有最大限制; 6.重复点击会不会发表重复的评论; 7.发表过的评论是否支持删除,本人可删除还是发表

C_kaikai的博客 603

收藏测试点,

收藏测试点:1.功能 是否支持收藏文字 图片以及表情 收藏成功后是否可以正常使用 收藏成功后是否可以删除 以及删除之后是否 可以再次收藏 能否支持双端收藏 收藏之后是否支持双端使用(能否通用) 空间不足,能否收藏 收藏的上限 以及达到上限会有什么 提示 收藏达到一定时限如何提示 本地修改不支持的格式为支持的格式点击收藏是否能够处理 收藏之后重复点击收藏 2.性能 单个用户对单个表情进行收 藏或者批量收藏 响应时间 多个用户对单个表情收藏或批量收藏 响应时间 用户收藏达...

m0_60632976的博客 1687

测试点提取

评论 功能 评论的功能 发布评论的字数限制,能否大于那个限制,能否小于那个限制 功能测试 评论和删除评论功能 能否回复评论 评论能否按时间先后顺序显示 评论是否有上限 评论能否按时间先后顺序显示 评论是否有上限 能否及时刷新 共同好友能否看得到评论,非共同好友能否看到评论状态 以及能否回复 a、评论长度:评论字数合理长度、评论超过字数上限 b、评论类型:纯中文、纯数字、纯字母、纯字符、纯表情(微信表情/手机自带表情)、混合类型、包含url链接; c、评论是否支持复制粘贴 d、为空验证 e、发表评论后删除 f

weixin_52739984的博客 944

43个日常测试功能点

43个日常测试功能点 软件测试  查看(35)/评论(0)/评分(0/0)  功能测试就是对产品的各功能进行验证,根据功能测试用例,逐项测试,检查产品是否达到用户要求的功能。针对Web系统的常用测试方法如下:  1.页面链接检查:每一个链接是否都有对应的页面,并且页面之间切换正确。可以使用一些工具,如LinkBotPro、File-AIDCS、HTMLLinkValidater、Xenu等工具。LinkBotPro不支持中文,中文字符显示为乱码;HTMLLinkValidater只能测试以Html或者htm结尾的网页链接;Xenu无需安装,支持asp、do、jsp等结尾的网页,xenu测试链接

点赞/评论/分享/收藏/搜索/上传/下载测试点

点赞 功能: 是否可以点赞 是否可以取消 是否可以重复点赞 是否可以给自己点赞 是否可以给陌生人点赞 性能: 点赞响应时间 取消点赞响应时间 重复点击点赞按钮是否造成卡顿 多人同时点赞是否对服务器造成压力 多人同时取消点赞是否对服务器造成压力 安全: 点赞成功是否显示微信名 点击微信名是否进入微信信息页 陌生人是否可查看点赞人员 陌生人是否可以点赞 是否可以取消点赞 UI界面: 按钮布局是否合理 输入框布局是否合理 文字大小是否合理 表情大小是否合理 评论位置区域是否合理 点赞样式是否合理 点赞人

weixin_60331955的博客 729

cellranger安装以及使用

接受cellranger count的输出数据,将同一组的不同测序样本的表达矩阵整合在一起,比如tumor组原来有4个样本,PBMC组有两个样本,现在可以使用aggr生成最后的tumor和PBMC两个矩阵,并且进行标准化去掉测序深度的影响。但是由于病毒基因组太小了,且注释结果只有CDS没有exon,所以曲线救国,将CDS整体替换为exon,也不进行过滤了,直接下一步。虽然安装完毕,但是现在要运行cellranger的话需要在终端输入cellranger的整个路径。自动执行这个命令,需要将“

m0_59974475的博客 9397

收藏测试点

功能: 是否支持收藏表情,文件,聊天记录等内容 表情包收藏成功后,可以正常使用 表情包收藏后支持删除后再次删除 电脑和手机QQ收藏的表情是否可以共用 空间不足时,点击收藏,是否正常处理 达到收藏上限时点击收藏,是否正常处理 收到表情超过一定时限点击收藏,是否正常处理 本地修改不支持的格式为支持的格式,点击收藏,是否正常处理 性能: 单个用户对单个表情收藏和批量收藏时,响应时间是否符合要求 多个用户对单个表情收藏和批量收藏时,响应时间是否符合要求 用户收藏表情数量达到最大限度时,用户使

Accxiaoyu的博客 989

OpenResty无损升级内嵌nginx版本0DAY漏洞

OpenResty无损升级内嵌nginx版本,nginx

qq1071643762的博客 6905

【遥感数字图像处理(朱文泉)】第一章 数字图像基础

关于图像的定义、类型、模拟图像和数字图像

甜子yu的博客 4406

day11-评论/点赞/分享/收藏/搜索/上传/下载测试点

一、评论 功能: 输入的内容是否能够超过200字 输入后能否发送成功 是否支持发送图片 是否支持复制的文字内容 发送之后能否接收成功 其他人是不是可以看到该条评论 性能: 是否支持100人同时访问该评论 ...

m0_61357001的博客 533

【从零开始学习SLAM】官方tf教程小海龟跟随程序

ros tf 进行坐标系之间转换的运算和发布

小秋 AI SLAM 入门实战教程 2034

Day 11 评论/点赞/分享/收藏/上传/下载/收索/ 测试点

评论的测试点: 功能: 1:点击发表评论是否正常弹出输入框 2:正常评论的输入内容是否有限制,是否可以输入特殊字符 3:发表评论后,对方的朋友圈信息是否加1 4:重复点击是否会发表重复的评论 5:发表过的评论是否可以复制 性能: 评论发表后,接口的响应时间是否符合用户期待 安全: 1:敏感词汇是否会做相应处理 2:拉黑的好友或删除的好友是否还可以发表评论 3:没有登录是否可以访问发表的接口 UI界面: 评论界面是否符合原型图的设计,字体大小,颜色,排列方式 易用性: 1:评论

H1912Aliyanyan的博客 323

可编程逻辑控制器(PLC)系列:Mitsubishi MELSEC-Q_(8).MELSEC-Q系列PLC故障诊断与维护

MELSEC-Q系列PLC的故障诊断与维护是一个系统性的过程,需要工程师具备扎实的理论基础和丰富的实践经验。通过了解故障类型、使用诊断工具、遵循诊断步骤,可以有效地定位和解决故障问题。同时,定期的检查与保养、备份与恢复、优化程序和配置,以及提供良好的运行环境,可以减少故障的发生,提高系统的可靠性。希望本文能够帮助工程师在故障诊断与维护过程中更加得心应手,确保MELSEC-Q系列PLC的稳定运行。

2401_87715305的博客 1248

【YOLOv12多模态融合改进】(可见光+红外)涉及像素级融合、特征级融合(中期、中后期、后期)、决策级融合的完整配置步骤以及二次改进方案

在网络输入阶段将多模态数据直接合并,形成统一的特征表示。

Limiiiing的博客 1213

微信发红包的测试点有哪些? 评论/点赞/分享/收藏/收索/上传/下载

微信发红包 功能: 输入金额在0.01~200之间,大于200是否能正常发送,小于0.01是否可以发送 输入金额大于余额是否能发送成功 支付方式是否支持银行卡,零钱通 发送的红包的留言有纯文字,文字+字母+数字+特殊符合+表情+图片, 长度限制 空格 发送红包之后,接收人是否能进行接收,接收的金额是否一致,不接受是否24小时会退返,退回之后好友是否还能正常领取 发送红包之后,是否扣除对应的面值 发送群红包,接收的金额和剩余的余额是否和发送的金额一...

L_liujie______的博客 2686

【温室气体数据集】全球总碳柱观测网络 TCCON

【温室气体数据集】全球总碳柱观测网络 TCCON

WW、forever的博客 438

测试点 评论/点赞/分享/收藏/搜索/上传/下载

评论测试点: 功能: 发送评论是否能够正常发送成功 输入的字数是否在1到200字之内 是否能够发送图片 数字、字母、特殊字符、表情、空格 是否可以删除评论 作者是否可以将你的评论删除 性能: 发送后自己的好友是否能看到你发的评论 安全: 陌生人是否可以看到你的评论 UI界面: 评论的界面是否符合UI原型图的设计,字体大小,排列方式 易用性: 操作是否简单 是否适合于不同年龄段人使用 弱网: 在有延迟的情况下,评论是否可以正常发送,如果发送失败,是否有提示 中断: ...

m0_64116684的博客 514

arkts编译报错-arkts-limited-stdlib错误【Bug已完美解决-鸿蒙开发】

在使用 Deveco Studio 4.0 beta2 开发应用时,报错。ERROR: ArkTS:ERROR File: D:/prRevivw/3792/applications_appsamg优快云o”见台难忘Usage of standardlibrary is restricted (arkts-limited-stdlib)这是 ArkTS 新增的语法规则。

一键难忘的博客 3781

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

评论/点赞/分享/收藏/搜索/上传/下载测试点

一、评论 功能: 输入的内容是否能够超过200字 输入后能否发送成功 是否支持发送图片 是否支持复制的文字内容 发送之后能否接收成功 其他人是不是可以看到该条评论 性能: 是否支持100人同时访问该评论 ...

weixin_57555982的博客 210

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

day11测试点

评论测试点 功能测试 1.正常评论输入内容是否有限制 2.该动态下允许评论个数是否有最大限制 3.重复点击会不会发表重复评论 4.发表过得评论是否支持删除,本人可删除还是发表者可删除 5.评论之后退出界面,再次进入刷新后消息是否存在 6.评论是否支持复制 性能测试 1.是否支持多个用户同时发表评论 易用性测试 该评论功能是否方便用户的使用,操作,理解 界面测试 1.页面布局是否与原设计效果图一致(如输入框有内容,发送按钮高亮;内容清空,发送按钮置灰、字体大小、颜色、排列方式) 安

wzhdxtx_的博客 228

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

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")

测试点总结

一、硬件测试点 水杯/保温杯/电梯:功能,性能,界面,易用,安全 分享/点赞/评论/上传/下载/搜索/购物车/支付等: 功能,性能,界面,易用,安全,兼容性,中断,弱网 微信发朋友圈 功能:是否能编辑文字,不编辑文字能否发表;是否能艾特好友;是否能选择位置,不显示位置能不能发表;选择提醒谁看能不能超过十个,不选择能不能发表;选择公开是否所有好友都能看见;选择私密是否仅自己可见;选择部分可见是否能选择好友;选择不给谁看是否能选择好友;选择私密时是否还能选择提醒谁看;朋友圈是否能同步至QQ空间

weixin_56643485的博客 137
上一篇: Python(模块、导包)
下一篇: python面向对象(一)
七凉@
博客等级 码龄6年 5粉丝 56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
 
 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