- 博客(423)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 如何自动化测试测试用例-allpairs操作指南
1、什么是allpairs？Allpairs.pl 是一个 Perl 脚本，它构建了一个相当小的测试用例集，其中包括一组参数中每个值的所有配对。（使用正交设计法）2、allpairs下载https://www.satisfice.com/download/allpairs3、allpairs使用说明在excel表中输入数据 将表格另存为txt类型文件至allpairs目录下（用记事本打开，另存为修改编码格式，根据实际情况，本人使用ansi和utf-8均可） 在al...
2021-08-03 15:48:28
664
1
原创 python远程启动linux部署的redmine
前提：pipinstallparamiko执行：pythonredmine.py#redmine.pyimport paramiko# 创建ssh对象ssh = paramiko.SSHClient()# 连接方式ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())# 发起连接ssh.connect("ip地址", 端口号, "用户名", "密码")# 在远程Linux执行命令stdin, stdout...
2021-07-22 17:48:39
5603
原创 《PyQt5 入门指南：从零开始搭建你的第一个窗口》
PyQt5 是 Python 编程语言的一个 GUI 框架，基于 Qt 库开发。它允许开发者使用 Python 快速构建跨平台的桌面应用程序。PyQt5 提供了丰富的控件和功能，支持 Windows、macOS 和 Linux 等操作系统。# 定义一个自定义信号self.setWindowTitle('自定义信号与槽示例')# 创建按钮button = QPushButton('发送信号', self)# 创建信号发射器。
2025-03-05 08:58:47
31
原创 PyQt5 学习路线：从零开始打造高颜值桌面应用
大家好！欢迎来到我的新专栏 《PyQt5 从入门到实战：打造高颜值桌面应用》！在这个专栏中，我将带领大家从零开始，系统学习 PyQt5，掌握界面设计、数据库连接、多线程处理等核心技能，并通过实战项目打造属于自己的桌面应用。无论你是初学者，还是有一定经验的开发者，本专栏都将为你提供清晰的学习路径和实用的开发技巧，助你快速成为 PyQt5 开发高手！PyQt5 是 Python 中最强大的 GUI 框架之一，它基于 Qt 库，提供了丰富的控件和功能，能够轻松开发出跨平台的桌面应用程序。无论是简单的工具软件，还是
2025-03-04 16:36:26
53
原创 Python项目实战：从零构建一个小工具——测试用例生成器
本项目通过Python开发了一个测试用例生成器，实现了测试用例的自动生成和Excel导出功能。
2025-03-04 14:12:13
476
原创 Python代码风格：PEP 8与代码格式化
PEP 8 是 Python 官方的代码风格指南，全称为《Python Enhancement Proposal 8》。它定义了 Python 代码的编写规范，包括代码布局、命名约定、注释风格等，旨在提高代码的可读性和一致性。本文详细介绍了 Python 代码风格规范（PEP 8），并探讨了代码格式化工具、IDE 集成、代码风格检查工具以及最佳实践。通过遵循 PEP 8 规范和使用自动化工具，开发者可以编写整洁、易读的 Python 代码，提高团队协作效率和代码质量。
2025-03-04 10:28:01
369
原创 Python虚拟环境：隔离项目的依赖管理
虚拟环境是一个独立的 Python 运行环境，它允许开发者为每个项目创建独立的依赖环境，避免不同项目之间的依赖冲突。Python 提供了多种虚拟环境工具，包括venvvirtualenv和conda。每种工具都有其特点和适用场景。venv是 Python 3.3 引入的标准库模块，用于创建轻量级的虚拟环境。它是 Python 官方推荐的工具，适合大多数开发场景。本文详细介绍了如何使用venv创建和管理 Python 虚拟环境，涵盖了虚拟环境的基础知识、创建与激活、依赖管理、与开发工具的集成以及最佳实践。
2025-03-04 09:36:50
42
原创 PyCharm高效开发：快捷键与调试技巧
PyCharm是由JetBrains开发的一款功能强大的Python集成开发环境（IDE）。它提供了丰富的功能，包括代码编辑、调试、测试、版本控制等，帮助开发者提高编程效率和代码质量。PyCharm 支持自定义插件开发，可以通过 Java 或 Kotlin 编写插件，扩展 PyCharm 的功能。本文详细介绍了 PyCharm 的快捷键、调试技巧、代码优化方法等内容，帮助读者提升开发效率和代码质量。通过掌握这些工具和技巧，可以更加高效地使用 PyCharm 进行 Python 开发。
2025-03-04 08:53:17
32
原创 Python标准库：常用模块的实战指南
RED = 1GREEN = 2BLUE = 3print(f"枚举值: {Color.RED}")typing本文深入探索了 Python 标准库中的常用模块，包括ossysdatetimemathrandomjsonreitertoolsfunctoolsloggingsubprocessthreadingsockethttpurllibcsvsqlite3pathlibshutilglobargparseenum和typing等。
2025-03-03 17:21:21
30
原创 模块与包：Python代码的组织之道
模块是 Python 代码的基本组织单元，通过模块可以将代码划分为逻辑清晰的功能单元。创建一个模块非常简单，只需编写一个.py文件即可。示例：创建模块包是一个包含多个模块的目录，通常还包含一个文件。创建一个目录。在目录中创建文件。在目录中添加模块文件。示例：创建包my_package总结模块和包是 Python 中组织代码的核心工具，它们能够将代码划分为逻辑清晰、功能独立的单元，提升代码的可维护性和复用性。通过本文的学习，您已经掌握了模块与包的基本概念、创建与使用方法、高级技巧以及最佳实践。
2025-03-03 16:26:51
41
原创 文件操作：读写文件的实用技巧
本文详细介绍了文件操作的基本概念、文本文件和二进制文件的读写方法、文件操作的常用技巧、异常处理以及实际应用场景。文件操作的基本流程：打开、读写、关闭。文本文件和二进制文件的读写方法。文件指针操作、文件属性获取、目录操作等高级技巧。文件操作中的异常处理方法。文件操作在配置文件、日志文件和数据存储中的实际应用。
2025-03-03 15:28:30
235
原创 异常处理：让你的代码更健壮
异常处理是指在程序执行过程中，当出现异常情况时，程序能够捕获并处理这些异常，从而避免程序崩溃或产生不可预料的结果。检测异常：程序在执行过程中检测到异常情况。捕获异常：使用异常处理机制捕获异常。处理异常：根据异常类型和具体情况，采取相应的处理措施。恢复执行：在异常处理完成后，程序可以继续执行或优雅地退出。在Python中，异常处理主要通过try-except语句实现。在某些情况下，内置的异常类型可能无法满足需求，这时可以自定义异常。自定义异常通常通过继承Exception类来实现。示例：自定义异常。
2025-03-03 14:52:18
459
原创 面向对象编程：类与对象的艺术
类属性activation = 'ReLU' # 所有实例共享# 实例属性# 实例方法本文系统介绍了Python面向对象编程的核心机制，通过类与对象、继承多态、封装控制等基础概念，解决了动态语言中OOP设计模式实现的关键问题，结合描述符、抽象基类等高级特性，帮助读者掌握构建可扩展系统的能力。通过设计模式实践与元类编程解析，提供企业级代码设计范本，使开发者能有效应对复杂业务场景，提升代码可维护性与架构设计水平。下一步学习计划《异常处理：让你的代码更健壮》 学习如何使用try-except。
2025-02-26 12:14:36
155
原创 Python函数：从定义到高级用法
函数基础概念定义你的第一个函数参数传递机制详解返回值与作用域Lambda函数与匿名函数闭包与装饰器原理生成器函数与协程函数式编程实践递归函数与算法实现函数性能优化技巧常见问题与解决方案总结与下一步学习计划函数是执行特定任务的独立代码块，通过将程序分解为可管理的模块实现代码复用。使用def关键字定义支持多范式编程（面向对象/函数式）可接受参数并返回值支持嵌套定义输入参数 → 函数处理 → 返回结果"""显示简单的问候语"""")# 调用函数。
2025-02-26 10:36:31
232
原创 Python流程控制：if、for、while的灵活运用
本文详细介绍了Python中的流程控制语句，包括ifforwhile的基本语法、嵌套使用、常见问题及优化建议。通过丰富的示例代码，帮助读者理解并掌握这些语句的灵活运用。下一步学习计划《Python函数：从定义到高级用法》 学习如何定义函数、传递参数、返回值，并探索lambda函数和闭包的高级用法。《面向对象编程：类与对象的艺术》 深入理解Python的面向对象编程，掌握类、对象、继承和多态的核心概念。《异常处理：让你的代码更健壮》 学习如何使用try-except捕获和处理异常，编写稳定可靠的程序。
2025-02-25 17:17:50
35
原创 Python数据结构：列表、元组与字典的妙用
列表是Python中最常用的数据结构之一，它是一个有序的可变序列，可以存储任意类型的元素。列表用方括号[]表示，元素之间用逗号分隔。特性有序：元素按照插入顺序排列。可变：可以动态添加、删除或修改元素。支持多种数据类型：可以存储整数、字符串、布尔值等。元组是一个有序的不可变序列，用圆括号()表示。特性有序：元素按照插入顺序排列。不可变：创建后不能修改。支持多种数据类型。字典是一个无序的键值对集合，用花括号{}表示。特性无序：元素没有固定顺序。可变：可以动态添加、删除或修改键值对。
2025-02-25 16:11:11
45
原创 Python语法速成：变量、运算符与表达式
在Python中，变量是用来存储数据的容器。变量名只能包含字母、数字和下划线。变量名不能以数字开头。变量名不能是Python的关键字（如ifelsewhile等）。变量名应具有描述性，以便于理解。# 合法的变量名# 非法的变量名1var = 20 # 错误：变量名不能以数字开头if = 30 # 错误：if是关键字通过本文，你已经成功掌握了Python中变量、运算符与表达式的基础知识，理解了如何定义变量、使用各种运算符以及编写复杂的表达式。
2025-02-25 14:12:53
155
原创 Python初体验：从零到Hello World
本文将手把手教你从零开始，完成Python 3.12和PyCharm的安装，并编写你的第一个Python程序——“Hello World”。打开PyCharm，点击“File” -> “Settings” -> “Project: <项目名>” -> “Python Interpreter”，选择已安装的Python 3.12作为解释器。现在，你已经完成了Python和PyCharm的安装，接下来我们将创建一个简单的Python项目，并编写“Hello World”程序。双击下载的安装包，启动安装向导。
2025-02-25 10:38:23
51
原创 语言模型评估指标：全面解析与应用实践
精确率是指在所有预测为正类的样本中，真正为正类的比例。在语言模型中，精度通常用于衡量模型预测正确词或句子的数量占总预测数量的比例。
2025-01-21 14:58:37
698
原创 基于Transformer的预训练语言模型：解锁自然语言处理的新潜能
Transformer是一种新型的神经网络架构，它摒弃了传统的循环神经网络（RNN）和长短期记忆网络（LSTM），而是基于注意力机制（Attention Mechanism）来处理序列数据。Transformer具有并行计算能力强、训练效率高等优点，成为了预训练语言模型的首选架构。自注意力机制（Self-Attention）：自注意力机制是Transformer的核心组件，它允许模型在处理当前位置的词时，动态地关注输入序列中的其他词，从而捕捉到词与词之间的复杂关系。
2025-01-21 14:25:06
582
原创 神经网络语言模型：深度探索与实践
然而，随着语言数据的不断增长和处理需求的不断提高，神经网络语言模型也面临着一些挑战和限制，如模型复杂度高、训练时间长、数据稀疏问题等。未来，我们可以期待结合更加先进的深度学习技术和优化算法，进一步提升神经网络语言模型的性能和效率。语言模型是用于估计一段文本出现概率的算法或公式。传统的基于规则和统计的语言模型虽然在一定程度上取得了成功，但面对复杂的语言现象和大规模文本处理需求时，其局限性逐渐显现。本文将深入探讨神经网络语言模型的原理、架构、训练方法及其在实际中的应用，为读者提供一份专业且内容丰富的博客文章。
2025-01-21 14:23:16
532
原创 基于规则和统计的语言模型：N-gram语言模型的深度探索
基于规则的语言模型主要依赖于语言学家手动编写的规则来描述语言的语法和语义结构。这些规则通常以形式化的方式表达，如上下文无关文法（CFG）或词汇功能语法（LFG）。
2025-01-21 14:21:01
349
原创 语言模型简介：从规则到大语言模型
从文本生成角度，也可以这样定义语言模型：给定一个短语（一个词组或者一句话）语言模型可以生成（预测）接下来的一个词。
2025-01-21 14:17:03
464
原创 大语言模型：开启智能对话新纪元
大语言模型是一种先进的人工智能模型，其核心目标是理解和生成人类语言。不同于传统的计算机程序，LLM能够处理多种自然语言任务，包括但不限于文本分类、问答系统、翻译服务以及模拟对话等。这些能力使得大语言模型在多个领域展现出广泛的应用潜力，从客户服务到内容创作，再到语言学习辅助，其影响力日益扩大。
2025-01-20 13:24:14
373
原创 大模型项目研发流程：从数据采集到模型测试的全面解析
在人工智能和机器学习领域，大模型项目的研发是一项复杂而系统的任务。本文将详细解析大模型项目从数据采集到模型测试的全流程，为读者提供一份详尽的指南。通过以上步骤，我们可以系统地进行大模型项目的研发工作，从数据采集到模型测试的每一个环节都需要精心策划和执行，以确保最终模型的性能和可靠性。
2025-01-20 11:41:09
1436
原创 使用PyTorch实现线性回归模型：从数据生成到模型训练
线性回归是机器学习中的一种基本算法，用于预测目标变量与一个或多个自变量之间的关系。在本文中，我们将详细介绍如何使用PyTorch实现一个简单的线性回归模型。这包括数据的生成、模型的构建、损失函数的定义以及优化器的使用。通过这个案例，您将学习到如何利用PyTorch进行深度学习模型的训练和评估。
2025-01-20 10:41:56
268
原创 线性回归：从基础到进阶的全面解析
线性回归是一种用于建模两个或多个变量之间关系的统计方法。它假设因变量（目标变量）与一个或多个自变量（特征变量）之间存在线性关系。线性回归是一种简单而强大的预测工具，适用于许多实际问题。通过本文的介绍，您应该能够理解线性回归的基本概念、实现方法以及如何评估模型的性能。我们还展示了如何使用Python和Scikit-Learn库来实现线性回归，并通过实际案例展示了其应用价值。希望本文能为您在数据分析和机器学习中的应用提供有价值的参考。
2025-01-20 10:22:11
870
原创 自动微分模块：深度学习中的梯度计算
自动微分是一种用于计算函数导数的技术，广泛应用于机器学习和优化问题中。与数值微分相比，自动微分具有更高的精度和效率。接下来，我们定义一个关于张量的简单函数。例如，一个简单的二次函数(f(x)=x^2)。deff(x):除了简单的数学函数，我们还可以在自定义函数中使用自动微分。例如，定义一个更复杂的函数：[g(x)=\sin(x)+\log(x)]。defg(x):PyTorch的自动微分模块为深度学习模型的训练和优化提供了极大的便利。
2025-01-20 10:20:24
318
原创 张量拼接指南：从基础到进阶
张量拼接是指将多个张量按照一定的规则组合成一个新的张量。常见的拼接方式有水平拼接和垂直拼接。本文详细介绍了在PyTorch中进行张量拼接的各种方法，包括水平拼接、垂直拼接以及沿特定维度的拼接。我们还介绍了如何使用进行拼接。掌握这些基本操作对于深度学习模型的开发和调试至关重要。希望本文能为您在PyTorch中的张量操作提供有价值的参考。
2025-01-20 10:13:29
300
原创 张量形状操作：PyTorch中的灵活数据重塑
张量形状（TensorShape）是指张量的维度信息，例如一个2x3的矩阵有2行3列，其形状为(2,3)。通过改变张量的形状，我们可以重新组织数据，以便进行更高效的计算和分析。本文介绍了在PyTorch中进行张量形状操作的方法，包括reshapeviewtranspose和permute等。通过丰富的代码示例，我们展示了如何使用这些方法来高效地改变张量的形状，以满足不同的数据处理需求。掌握这些形状操作技巧对于深度学习和科学计算中的数据处理和分析至关重要。
2025-01-20 10:07:20
848
原创 张量索引操作：PyTorch中的高效数据访问
本文介绍了在PyTorch中进行张量索引操作的方法，包括简单行列索引、列表索引、范围索引以及多维索引。通过丰富的代码示例，我们展示了如何使用这些方法来高效地访问和修改张量中的数据。掌握这些索引技巧对于深度学习和科学计算中的数据处理和分析至关重要。希望本文能帮助你在实际应用中更加熟练地使用PyTorch进行张量操作。
2025-01-20 10:05:02
361
原创 张量运算函数：PyTorch中的高级数值计算
本文介绍了在PyTorch中进行常见张量运算的方法，包括均值、平方根、求和、指数计算以及对数计算等。通过丰富的代码示例，我们展示了如何使用这些方法来进行各种张量运算操作。希望本文能帮助你在深度学习项目中更高效地进行数据处理和模型构建。
2025-01-20 09:37:04
413
原创 张量数值计算：PyTorch中的基本运算与应用
本文介绍了在PyTorch中进行张量数值计算的基本方法和技巧，包括张量的基本运算（加减乘除取负号）、乘法运算（点乘和矩阵乘法）等。通过丰富的代码示例，我们展示了如何使用这些方法来进行各种张量数值计算操作。希望本文能帮助你在深度学习项目中更高效地进行数据处理和模型构建。
2025-01-20 09:23:10
737
原创 张量的类型转换：深入理解与应用
本文介绍了在PyTorch中进行张量类型转换的几种常用方法，包括从Python列表到张量、从张量到NumPy数组、从NumPy数组到张量以及直接从NumPy数组创建张量。此外，还展示了如何获取张量的单个元素。这些技巧对于数据处理和模型训练中的类型转换非常实用。希望本文能帮助你在深度学习项目中更高效地进行数据处理和模型构建。
2025-01-20 09:09:18
488
原创 张量创建指南：从基础到进阶
本文详细介绍了在PyTorch中创建张量的多种方式，包括线性和随机张量的创建，以及0和1张量的创建。此外，还介绍了如何进行张量元素类型的转换。掌握这些基本操作对于深度学习模型的开发和调试至关重要。希望本文能为您在PyTorch中的张量操作提供有价值的参考。
2025-01-20 08:52:25
361
原创 解锁私有化大模型测试密码：全面攻略与实践要点
在当今数字化时代，大模型的私有化部署成为了许多企业和组织提升竞争力、保障数据安全的重要策略。然而，要确保私有化大模型的质量、性能和安全性，全面的测试环节至关重要。本文将深入探讨私有化大模型的测试方法，为您呈现一份详尽的测试攻略。
2025-01-17 10:21:12
790
原创 利用LIME对大模型进行局部性测试
随着机器学习技术的广泛应用，模型的可解释性变得越来越重要。在一些关键领域，如医疗、金融、法律等，仅仅得到准确的预测结果是不够的，还需要了解模型是如何做出决策的，以便用户能够信任和接受模型的预测。传统的特征重要性排序等全局解释方法虽然能提供一定的信息，但往往无法满足对单个样本决策过程的详细解释需求。而LIME作为一种局部可解释方法，能够在不打开模型黑盒的情况下，为每个单独的样本提供直观的解释，帮助我们理解模型在特定数据点附近的行为。
2025-01-17 10:15:19
528
原创 Shell Grep：文本搜索的艺术
grep是 “global regular expression print” 的缩写，它用于在文件中搜索符合指定模式的行，并将这些行输出到标准输出。grep支持基本正则表达式（BRE）和扩展正则表达式（ERE），使其能够进行复杂的文本匹配。通过本文的介绍，您应该对 Linux 和 Unix 系统中的grep有了更深入的理解。掌握如何使用grep来高效地搜索和处理文本，对于提高工作效率和简化任务至关重要。希望本文能为您的文本处理工作提供实用的帮助。
2025-01-15 08:58:39
750
原创 Shell Piping 管道：高效数据流处理的艺术
Piping 是一种将一个命令的输出直接传递给另一个命令作为输入的方法。它使用竖线符号来实现。通过 Piping，可以将多个简单的命令组合成一个复杂的操作，从而简化任务并提高效率。通过本文的介绍，您应该对 Linux 和 Unix 系统中的 Piping 有了更深入的理解。掌握如何使用 Piping 来构建高效的数据流处理流水线，对于提高工作效率和简化任务至关重要。希望本文能为您的数据处理工作提供实用的帮助。
2025-01-15 08:33:49
617
实践1：创建 POST、GET、DELETE 请求
2024-11-15
FL-2018版本.zip
2020-05-20
soapUI接口测试使用手册1
2019-02-27
5只猫 五分钟捉5只老鼠 请问100分钟捉100只老鼠需要多少只猫？
2022-01-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人