Python

【测试联调】如何在前后端测试联调时优雅的构造异常场景

背景 当前的应用都使用了前后端分离的架构,前后端系统需要协同以实现各种功能。后端系统通常负责处理业务逻辑、数据存储和与其他服务的交互,而前端则负责用户界面和用户交互。而在前后端数据交互的过程中,各种异常和错误都有可能发生,确认异常发生时前后端系统的处理是否合理是测试验证中非常重要的一环。 在上一篇博客【Python】从同步到异步多核:测试桩性能优化,加速应用的开发和验证 中我们介绍了如何使用测试桩

关于 cnblogs 中的神秘操作

批量替换 利用 metaweblog 批量操作 代码参考:jeefies - jcnapi 不是很完整 其中 BLOGS_BLOGID 然后 BLOGS_NAME 和 BLOGS_PWD 由下图中位置 然后利用 python 的 xmlrpc.client 访问即可。 更多的 api 导入随笔 这个东西很少人用吧……QwQ 在管理后台: 导入随笔……非常方便,除了需要手动添加一些神秘

学城项目支付宝支付模块

1. 支付宝开放平台 链接地址:https://open.alipay.com/develop/manage 2. 下载支付宝开放平台密钥工具 链接地址:https://opendocs.alipay.com/common/02kipk 3. 安装支付宝的依赖模块 pip install python-alipay-sdk --upgrade 4. 建立app python ../../manag

2023-7-18

uploadlabs文件上传 看了遍笔记,之前做到17关二次渲染,就直接从这开始 17关 百度二次渲染,网上是这样说的:在我们上传文件后,网站会对图片进行二次处理(格式、尺寸,保存,删除 要求等),服务器会把里面的内容进行替换更新,处理完成后,根据我们原有的图片生成一个新的图片(标准化)并放到网站对应的标签进行显示。  在源码中我们可以看到这三个函数:    

大语言模型的预训练[2]:GPT、GPT2、GPT3、GPT3.5、GPT4相关理论知识和模型实现、模型应用以及各个版本之间的区别详解

大语言模型的预训练[2]:GPT、GPT2、GPT3、GPT3.5、GPT4相关理论知识和模型实现、模型应用以及各个版本之间的区别详解 1.GPT 模型 1.1 GPT 模型简介 在自然语言处理问题中,可从互联网上下载大量无标注数据,而针对具体问题的有标注数据却非常少,GPT 是一种半监督学习方法,它致力于用大量无标注数据让模型学习 “常识”,以缓解标注信息不足的问题。其具体方法是在针对有标签数据

学习django遇到的一些问题

python版本号:3.10 django版本号:4.2.1 官方文档“编写你的第一个Django应用” 1.学习后台管理时报错, TypeError at /admin/ 'set' object is not reversible Request Method: GET Request URL: http://127.0.0.1:8000/admin/ Django Version:

Replit发布AI发展现状报告

Replit 在上周发布了一个 AI 发展现状报告,通过 Replit 上开发者的动态数据,展示了目前 AI 发展的一些有意思的信息。 在这个报告中,AI 相关的项目增长了 340 倍,其中利用 OpenAI 模型开发的占据了主导地位,但开源模型同样开始崛起。 Replit 在报告中说,随着大型语言模型(LLM)的引入,机器学习(ML)和人工智能(AI)首次成为日常开发者可以接触到的技术。那些令人

NPY文件读取方法

用Python做机器学习的时候会有一种格式为*.npy的文件,对于这类文件我们无法直接将其打开看到里面的实际内容,需要使用Numpy给它解析出来查看具体内容,下面提供两种方式以读取*.npy文件: 单个文件的读取: 使用/执行方法: 多个文件的批量读取: 使用/执行方法:

python部分库使用笔记

pyecharts官网 pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒,pyecharts 是为了与 Python 进行对接,方便在 Python 中直接使用数据生成图。 pip下载pyecharts: pip install pyecharts pip查询pyecharts

SAS - PROC FCMP

PROC FCMP 概述 PROC FCMP 可用于自定义函数(funcion)和子程序(subroutines)。自定义函数和子程序的名称的最大长度为 32,长度超过 32 的名称虽然可以定义,但无法调用。 创建自定义函数和子程序的优点: 使程序易读、易修改 使函数和子程序独立于外部环境,其内部实现不影响外部环境 使函数和子程序可复用,任何有权限访问存储函数和子程序的数据集的程序均可调用它们

Flutter ncnn 使用

Flutter 实现手机端 App,如果想利用 AI 模型添加新颖的功能,那么 ncnn 就是一种可考虑的手机端推理模型的框架。 本文即是 Flutter 上使用 ncnn 做模型推理的实践分享。有如下内容: ncnn 体验:环境准备、模型转换及测试 Flutter 项目体验: 本文 demo_ncnn 体验 Flutter 项目实现 创建 FFI plugin,实现 dart 绑定 C 接口

LeetCode 852. Peak Index in a Mountain Array 二分

An array arr a mountain if the following properties hold: arr.length >= 3 There exists some i with 0 < i < arr.length - 1 such that: Given a mountain array arr, return the index i such tha

Django入门1

Django入门学习1 搭建web站点及业务框架 1 安装Django 方法: 1 终端输入命令: pip install django 2在python解释器中添加,步骤如下 如果遇到速度比较慢的状况,可以加入国内阿里云镜像站点来安装: 2 创建了一个名为myblog的站点名 各文件的功能如下 3 创建业务模块 描述 打开book,查看目录下文件 4 测试web服务 运行结果

运行问题

运行问题 新建一个前端工程目录出错 解决方法:1.检查网络连接:确保你的网络连接正常工作,可以访问其他网站和资源。 2.检查防火墙和代理设置:如果你使用防火墙或代理服务器,请检查其设置是否正确,并确保允许与指定IP地址和端口的连接。 3.重试下载:由于存储库可能暂时不可用,你可以尝试在稍后的时间重新运行Vue CLI命令,看是否能够成功下载存储库。 4.使用替代源:如果持续遇到下载问题,你可

Django_1

Django_1 基于python的web框架中django都排在第一位,说明该框架在python中的地位。 Django是一个开放源代码的Web应用框架,由Python写成。采用了MTV的框架模式,即模型M,视图V和模版T。 M 模型层(Model)负责与数据库交互 T 模版层(Template)负责呈现内容到浏览器 V 视图层(View)负责接收请求,获取数据,返回结果 MTV的数据流向大

2023ACM暑期集训 DAY 4

目前进度——动态规划1:线性dp、背包问题,区间 好题 1026 合并回文子串 标签 区间 DP 引入——经典问题,最长回文字串 问题:给定字符串 (S),求 (S) 的最长回文字串的长度。 思路:因为长回文串都可通过小回文串在两端添加相同字符得到,故设 (dp_{i,j}) 表示字串 (S_{i,dots,j}) 是否回文,则当 (S_i=S_j) 时,有 (dp_{i,j}|=dp_{i+1

学习python日记(进阶篇)

终于学到函数了,决定重新开启一篇随笔,之前的随笔以介绍基本的变量为主,大家可以看看 函数 先看一下如何定义函数 再看一下有返回值的函数 但当函数执行return之后,就不再执行后面的语句,所以上面的代码可以进行优化 当函数没写返回值时,返回None 接下来再来介绍一下形参 位置形参 我们需要记住形参的位置来使用函数,不免麻烦,python提供了一种关键字方法(如下),

使用Python的requests库发送HTTPS请求时的SSL证书验证问题

问题描述 使用python的requests库去发送https请求,有时候不设置verify=False不报错,有时候又报错。 问题原因 使用Python的requests库发送HTTPS请求时,设置verify=False参数可以跳过SSL证书验证。默认情况下,requests库会验证SSL证书以确保请求的安全性。然而,在某些情况下,可能会出现以下几种情况:1、证书验证错误:如果服务端的SSL证

Jenkins + pytest +allure 持续集成构建

1. Jenkins安装   Jenkins下载地址:   Jenkins环境配置: 2. Jenkins关联Git   进入任务的构建配置页面,如下:      3. allure插件安装与环境配置     allure安装与环境配置:http://t.csdn.cn/D09eI   4. 其他注意事项   4.1 构建过程中提示python不是内部或外部命令:     -

Pycharm — Requests

Requests库 能够使用Requests库发送get/post/put/delete请求,获取响应状态码、数据 能够使用UnitTest管理测试用例 简介与安装 Requests库是Python编写的,基于urllib的HTTP库,使用方便。 安装:pip install requests 镜像安装:pip install requests -i https://pypi.douban.com

多线程开发 使用Semaphore和BoundedSemaphore对象

多线程开发 使用Semaphore和BoundedSemaphore对象 一、使用Semaphore和BoundedSemaphore对象 在Python中,可以使用Semaphore和BoundedSemaphore来控制多线程信号系统中的计数器。 1. Semaphore 在Python程序中,类threading.Semaphore是一个信号机,控制着对公共资源或者临界区的访问。信号机维护有

Python获取文件夹下文件夹的名字,并存excel为一列(方法一)

大家好,我是皮皮。 一、前言 这个事情还得从前几天在Python最强王者群【东哥】问了一个Python自动化办公处理的问题,需求倒是不难,一起来看看吧。 二、实现过程 这里【wangning】又给了一个答案,他自己之前整理的文章,不过需要自己稍微修改下才行。 后来【魏哥】看到了,并且给出了如下代码: 这个代码来自zelinai,如此顺利地解决了粉丝的问题。 三、总结 大家好,我是皮皮。这篇文

Python中的方法重写与名称修饰

引言 在Python中,方法重写是面向对象编程中的重要概念,它允许子类对父类的方法进行重新定义以满足子类特有的需求。然而,在方法重写过程中,有一个有趣的机制称为名称修饰(name mangling),它影响了以双下划线开头的方法名。在本篇博客中,我们将探讨Python中的方法重写和名称修饰的工作原理和使用方法。 1. 方法重写(Method Overriding) 方法重写是指在子类中重新定义一个

如何用python中pandas模块在csv文件中添加表头

如何用python中pandas模块在csv文件中添加表头 话不多说,直接上代码:     python 复制代码 import pandas as pd df = pd.read_csv('tf.csv',header=None,names=['a','b','c','d','e','f','g','h','i','j','k']) df.to_csv('tf

Python3 Pandas DataFrame 对某一列求和

在操作pandas的DataFrame的时候,常常会遇到某些列是字符串,某一些列是数值的情况,如果直接使用df_obj.apply(sum)往往会出错使用如下方式即可对其中某一列进行求和 dataf_test1['diff'].sum() // diff为要求和的列

python copy.copy与copy.deepcopy 区别

结论 b = a.copy(): 浅拷贝, a 和 b 是一个独立的对象,但他们的子对象还是指向统一对象(是引用)。 b = copy.deepcopy(a): 深拷贝, a 和 b 完全拷贝了父对象及其子对象,两者是完全独立的。 执行结果

Python基础(3)

面向对象编程 根据类来创建对象称为实例化。这里只过一下大概的面向对象的内容,不做细讲。可以直接查阅资料。https://www.runoob.com/python3/python3-class.html 创建和使用类及实例 给出一个类的使用例子: 注意:__init__() 是一个特殊的方法,当类创建一个新的实例时,会自动运行该方法。类似于C++里的构造函数。而self是指向实例本身的引用。每个

14. 最长公共前缀

编写一个函数来查找字符串数组中的最长公共前缀。 如果不存在公共前缀,返回空字符串 ""。   示例 1: 输入:strs = ["flower","flow","flight"]输出:"fl"示例 2: 输入:strs = ["dog","racecar","car"]输出:""解释:输入不存在公共前缀。  提示: 1 <= strs.length <= 2000

python使一个函数在新线程中运行的装饰器

python在用tk编程时, 界面响应函数最好在另外一个线程中运行, 以免界面没有响应. 为方便使用, 封装了一个装饰器, 调用函数时自动在另外一个线程中运行. 示例代码如下:

关于sam即segment-anythin中demo实现步骤

说实话,这个项目的readme写的真的不咋地,很乱。 我说说这个demo的部署实现步骤吧。 1.安装yarn,这个自己去安装吧 2.将demo/assets/data/dogs.jpg使用numpy读取,保存为npy文件,放在跟dogs.jpg同一目录下 3.将pth模型转为onnx模型,放到demo/model中,注意文件名要保存对,不然读取不了   4.然后使用如下开启网

<<  <  618  619  620  621  622  623  624  625  626  627  628  >  >>