前言@测试驱动开发

前言

测试驱动开发:

  • 不要写一行新的代码,除非遇到自动化测试用例失败的情况。
  • 消除重复的代码

两个简单的规则,但它们会产生复杂的个人和群体行为。一些技术含义是:

  • 你的设计要更灵活,运行代码在决策之间提供反馈。
  • 你必须自己写测试代码,因为你不能每天等别人帮你写测试代码二十次
  • 对于小的代码变动,开发环境能够快速响应
  • 设计必须有许多高内聚,低耦合的模块组成,以方便测试。

这两个规则意味着编程任务的顺序:

  • 红灯: 写一些不能允许的测试用例,可能开始的时候连编译都过不了。
  • 绿灯: 让这个测试用例快速的跑起来,在这个过程中犯下任何必要的错误。
  • 重构: 删除为了使测试正常运行而写的任何重复代码,然后重复这一行为:红灯/绿灯/重构。这个也是TDD的口头禅。

暂时假设这种风格是可行的,有可能大大降低代码的 Bug 密度,并使所有相关人员都清楚地了解工作主题。如果是这样,只编写失败测试所需的代码也会产生社会影响:

  • 如果 Bug 密度降低到足够低,QA 的工作将从被动变得越来越主动。
  • 如果令人讨厌的意外数量可以减少,项目经理可以进行足够准确的进度评估,让真正的客户参与日常开发。
  • 如果技术对话的主题足够清晰,程序员可以以每分钟的协作方式工作,而不是每天或每周协作。
  • 同样,如果 Bug 密度可以降到很低,我们可以每天拥有具有新功能的可交付软件,从而与客户建立新的业务关系。

所以,这个概念很简单,但我的动机是什么?为什么程序员要承担编写自动化测试的额外工作?为什么一个程序员会在他们的头脑能够进行巨大的设计飞跃时,在很小的一步中工作。Fear

Fear

测试驱动开发是一种管理编程中产生的恐惧的方法。我并不是说恐惧是坏事。但是以正确的方式面对恐惧,这是一件苦难的事情,我在开始的时候看不到结果。如果疼痛发出的信号是停止,那么害怕发出的信号就是小心。问题是恐惧还有许多其他影响:

  • 让你犹豫不决
  • 让你脾气暴躁
  • 让你不想交流
  • 让你羞于接受反馈。

在写代码的时候,这些影响都是负面的,特别是编写一些复杂的实现时,那么,你如何面对一个困难的局面?

  • 不要犹豫不决,要尽快具体地开始学习。
  • 不要闭口不谈,要更清楚地沟通。
  • 不要羞于反馈,寻找有用的、具体的反馈。
  • 你得自己解决坏脾气的问题。

把写代码想象成从一口井里打出一桶水,当水桶很小的时候,你只需要轻轻转动手柄,就可以把水从水井里面打出来。当水桶又大又满的时候,你会在水桶还没升上来的时候就累了。你需要一个滑轮组,在提升水桶的时候,中间可以喘口气。桶越重,拉桶的绳子就越靠近齿轮中心。

测试驱动开发中的测试是换轮组的轮齿。一但你通过了一个测试用例,它不仅现在是有效的,将来也是有效的。与测试失败时相比,你离一切正常工作又近了一步。现在让下一个测试用例工作,再下一个,再下一个。通过类比,编程问题越困难,每个测试所涵盖的范围就越小。

Extreme Programming Explained的读者将注意到XP和TDD之间的音调差异。TDD并不完全像极限编程。XP说:“这些是您必须能够做的事情,以便为进一步发展做好准备。”TDD有点模糊。TDD是在编程过程中意识到决策和反馈之间的差距,并控制这种差距。您可以只进行应用程序级测试并进行TDD。决策和反馈之间的差距将是巨大的,但对于非常熟练的程序员来说,这可能是足够的反馈。

TDD 使您能够控制反馈。当你超速行驶,开始下雪时,你可以切换到4WD Low,并继续前进。当道路畅通时,你可以向上移动,然后离开。

也就是说,大多数学习TDD的人发现他们的编程实践永远地改变了。“测试感染”是Erich Gamma创造的短语来描述这种转变。

您可能会发现自己更早地编写了更多的测试,并且以比您想象的更小的步骤工作将是明智的。另一方面,一些程序员学习TDD并回到他们早期的实践,将TDD保留到普通编程没有进展的特殊场合。

当然,有些编程任务不能主要由测试来驱动(至少现在还不能)。例如,安全软件和并发性是TDD没有明显应用的两个主题。编写具体的、确定的、自动化测试的能力是应用TDD的先决条件。

一旦你读完这本书,你应该准备好:

  • 保持简单
  • 写自动化测试用例
  • 重构以每次添加一个设计决策

这本书分为三个部分。

  1. 一个使用TDD编写典型模型代码的例子。这个例子是我几年前从Ward Cunningham那里得到的,后来我用了很多次,多货币算法。在这本书中,你将学会在编写代码之前编写测试,有组织地发展设计,优雅地失败(我发誓,我在这个例子中提到的是一个死胡同,这是为了教学目的)。
  2. 一个测试更复杂的逻辑的例子,包括反射和异常,通过开发一个自动测试的框架。这个示例还向您介绍xUnit体系结构,它是许多面向程序员的测试工具的核心。在第二个示例中,您将学习比第一个示例更小的步骤,包括计算机科学家所钟爱的那种自我参照的hooha。
  3. 对于TDD模式。包括用于决定编写什么测试的模式、如何使用xUnit编写测试的模式,以及示例中使用的设计模式和重构的最佳选择。

我编写了想象结对编程会话的示例。对我来说,开玩笑和打趣是同龄人之间尊重的标志,也是缓解紧张情绪的重要途径。如果您喜欢在四处漫游之前先看一下地图,您可能想直接看第3节中的模式,并使用示例作为插图。如果您喜欢四处逛逛,然后查看地图来查看您去过的地方,那么试着通读示例,当您想要了解一项技术的更多细节时,参考模式,然后使用模式作为参考。

本文旨在系统阐述利用MATLAB平台执行多模态语音分离任务的方法,重点围绕LRS3数据集的数据生成流程展开。LRS3(长时RGB+音频语音数据集)作为一个规模庞大的视频与音频集合,整合了丰富的视觉与听觉信息,适用于语音识别、语音分离及情感分析等多种研究场景。MATLAB凭借其高效的数值计算能力与完备的编程环境,成为处理此类多模态任务的适宜工具。 多模态语音分离的核心在于综合利用视觉与听觉等多种输入信息来解析语音信号。具体而言,该任务的目标是从混合音频中分离出不同说话人的声音,并借助视频中的唇部运动信息作为辅助线索。LRS3数据集包含大量同步的视频与音频片段,提供RGB视频、单声道音频及对应的文本转录,为多模态语音处理算法的开发与评估提供了重要平台。其高质量与大容量使其成为该领域的关键资源。 在相关资源包中,主要包含以下两部分内容: 1. 说明文档:该文件详细阐述了项目的整体结构、代码运行方式、预期结果以及可能遇到的问题与解决方案。在进行数据处理或模型训练前,仔细阅读此文档对正确理解与操作代码至关重要。 2. 专用于语音分离任务的LRS3数据集版本:解压后可获得原始的视频、音频及转录文件,这些数据将由MATLAB脚本读取并用于生成后续训练与测试所需的数据。 基于MATLAB的多模态语音分离通常遵循以下步骤: 1. 数据预处理:从LRS3数据集中提取每段视频的音频特征与视觉特征。音频特征可包括梅尔频率倒谱系数、感知线性预测系数等;视觉特征则涉及唇部运动的检测与关键点定位。 2. 特征融合:将提取的音频特征与视觉特征相结合,构建多模态表示。融合方式可采用简单拼接、加权融合或基于深度学习模型的复杂方法。 3. 模型构建:设计并实现用于语音分离的模型。传统方法可采用自适应滤波器或矩阵分解,而深度学习方法如U-Net、Transformer等在多模态学习中表现优异。 4. 训练与优化:使用预处理后的数据对模型进行训练,并通过交叉验证与超参数调整来优化模型性能。 5. 评估与应用:采用信号失真比、信号干扰比及信号伪影比等标准指标评估模型性能。若结果满足要求,该模型可进一步应用于实际语音分离任务。 借助MATLAB强大的矩阵运算功能与信号处理工具箱,上述步骤得以有效实施。需注意的是,多模态任务常需大量计算资源,处理大规模数据集时可能需要对代码进行优化或借助GPU加速。所提供的MATLAB脚本为多模态语音分离研究奠定了基础,通过深入理解与运用这些脚本,研究者可更扎实地掌握语音分离的原理,从而提升其在实用场景中的性能表现。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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