机器测试第12页

蓝桥杯耐摔指数——python

x星球的质监局规定了手机必须经过耐摔测试，并且评定出一个耐摔指数来，之后才允许上市流通。x星球有很多高耸入云的高塔，刚好可以用来做耐摔测试。

Leosaf·2025-01-17 21:12

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

基于机器学习的鸢尾花分类项目介绍：本项目利用机器学习模型对鸢尾花进行分类。

精通代码大仙·2025-01-17 20:05

10 大中文医学数据集汇总：涵盖神农中医药、中医药古籍、医学推理、医学问答……

从疾病诊断到药物研发，再到个性化医疗，数据集在推动机器视觉、大模型等应用于医学领域中发挥着不可或缺的作用。医学数据集的形式多样，涵盖了不同维度和领域的数据资源。

·2025-01-17 20:22

计算机组成原理(计算机系统3)--实验三：取指和指令译码设计

三、实验环境硬件：桌面PC软件：LinuxChisel开发环境四、实验步骤及说明1）设计译码电路：输入位32bit的一个机器字，按照课本MIPS指令格式，完成ad

起床悠悠·2025-01-17 20:04

支持selenium的chromedriver更新到131.0.6778.87

最近chrome释放新版本：131.0.6778.87如果运行selenium自动化测试出现以下问题，是需要升级chromedriver才可以解决的。

代码的乐趣·2025-01-17 20:03

【TVM 教程】为 x86 CPU 自动调优卷积网络

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。

·2025-01-17 20:18

SpringBoot多数据源架构实现

文章目录1.环境准备2.创建SpringBoot项目3.添加依赖4.配置多数据源5.配置MyBatis-Plus6.使用多数据源7.创建Mapper接口8.实体类定义9.测试多数据源10.注意事项10.1

柚几哥哥·2025-01-17 20:02

AI Agent：一场智能革命的开始

一、AIAgent的发展现状：技术突破与广泛应用近年来，随着大数据、云计算和机器学习等技术的飞速发展，AIAgent的技术水平得

TechubNews·2025-01-17 20:02

关于 python 的 http 客户端的默认请求头测试 —— requests、httpx、curl_cffi

开始测试首先测试requests测试代码importrequests#发起HTTPGET请求url="http://xxx.xxx.xxx.xxx:8086"response=requests.get(

·2025-01-17 20:15

.NET MAUI进行UDP通信

NETMAUI应用程序可以在任何机器上运行，如windows或android模拟器。打开VisualStudio打开visuals

聿琴惜荭顏丶·2025-01-17 20:00

Python自动化测试之Selenium各浏览器驱动下载网址

在自动化测试领域，Selenium无疑是一个不可或缺的工具。它允许开发者编写脚本来模拟用户在浏览器中的操作，从而进行自动化测试。

Shadow℘Coder·2025-01-17 20:00

Chatbot 不是“万金油”：企业级生成式 AI 如何真正创造价值

编者按：企业在引入生成式AI时，是否陷入了盲目追随聊天机器人的误区，如何真正发挥AI的价值潜力？本文作者提出了一个观点：企业应该首先关注业务流程，而非简单地将AI聊天机器人作为万能解决方案。

·2025-01-17 20:10

matplotlib将画的图像存于内存

它们常常用于单元测试、文件操作的模拟等场景。基础概念io.StringIO():创建一个内存中的文本流，可以像文件一样进行读写操作，但数

飞行codes·2025-01-17 20:29

【论文速读】| Pipe-Cleaner:使用安全策略的灵活模糊测试

基本信息原文标题:Pipe-Cleaner:FlexibleFuzzingUsingSecurityPolicies原文作者:AllisonNaaktgeboren,SeanNobleAnderson,AndrewTolmach,GregSullivan作者单位:PortlandStateUniversity,CharlesStarkDraperLaboratory关键词:fuzzing,secu

·2025-01-17 19:08

拒绝 Helm？如何在 K8s 上部署 KRaft 模式 Kafka 集群？

逐步引导您完成以下关键任务：配置KafkaSecret：管理用户密码和集群ID配置KafkaService：使用NodePort对外发布Kafka服务使用StatefulSet部署KRaft模式Kafka集群如何测试

·2025-01-17 19:07

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用

·2025-01-17 19:05

交叉熵损失与二元交叉熵损失：区别、联系及实现细节

在机器学习和深度学习中，交叉熵损失（Cross-EntropyLoss）和二元交叉熵损失（BinaryCross-EntropyLoss）是两种常用的损失函数，它们在分类任务中发挥着重要作用。

专业发呆业余科研·2025-01-17 19:56

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调

·2025-01-17 19:29

软件测试入门—软件测试的阶段

在软件测试的旅程中，明确各个阶段的任务与目标，如同绘制一张精准的地图，能帮助测试人员有条不紊地开展工作，确保软件质量的稳步提升。

Algorithm-007·2025-01-17 19:53

软件测试入门—测试流程之需求分析

在软件测试的整个流程中，需求分析是至关重要的第一步，它为后续的测试工作奠定了坚实的基础。良好的需求分析能够确保测试工作的针对性和有效性，帮助我们发现更多的软件缺陷，提高软件的质量。

Algorithm-007·2025-01-17 19:53

【YashanDB知识库】YashanDB获取统计信息

templateId=171...在测试环境重现生产环境SQL语句执行计划问题时，需要使用生产环境相关表的统计信息模拟。

·2025-01-17 19:57

pytest测试框架集成钉钉机器人、邮件，并实现持续集成部署

要结合多系统并存的架构，使用YAML文件编写测试用例，并集成钉钉、邮件通知功能以及CI/CD流程，以下是完整的实现方案。

weixin_44872675·2025-01-17 18:52

清晰度相关参数：MTF，SFR，MTF50，MTF50P 以及TVL的概念以及换算说明

这些曲线是通过理想的测试环境下尽量减少其它系统对镜头的清晰度的衰减的情况下测试得出的。但是其实MTF也可以涵盖对整个成像系统的清晰度

无敌喵星人·2025-01-17 18:51

君正ISP记录三：AE与AWB衍生功能“软光敏“

二、软光敏逻辑两大点：①如何判断环境亮度②黑白模式下，如何分辨当前场景这光亮是环境光还是机器自己的红外灯反光。实现这两点软光敏基本就OK了

无敌喵星人·2025-01-17 18:51

基于SSM框架的旅游网站设计与实现

最后，对系统的测试与部署进行了说明，并对未来的发展方向进行了展望。关键词：SSM框架；旅游网站；前后台设计；JavaWeb开发一、引言随着信

IT实战课堂—x小凡同学·2025-01-17 18:47

Java百万数据导出Excel性能优化[读(并发)写分离/流式查询]

source_id=1001Java百万数据导出Excel性能优化[读(并发)写分离/流式查询]结果测试：104万数据，导出excel用时由59秒优化到19秒问题列表：1、导出过程中会较多占用CPU、内存

qq_40882304·2025-01-17 18:46

llama.cpp部署

主要有两点优化：llama.cpp使用的是C语言写的机器学习张量库ggmlllama.cpp提供了模型量化的工具计算类

法号：行颠·2025-01-17 17:12

Hackbench 使用介绍

Hackbench使用介绍hackbench介绍hackbench应用1.hackbench参数2.hackbench代码下载3.代码编译4.样例参考文档hackbench介绍Hackbench是内核调度程序的基准测试和压力测试

法号：行颠·2025-01-17 17:42

Kubeflow：云原生机器学习工作流自动化开源框架详解

Kubeflow是一个开源的机器学习（ML）工作流自动化平台，旨在将机器学习工作流部署到Kubernetes之上，实现从实验到生产的一站式解决方案。

gs80140·2025-01-17 17:40

（十）ROS的常用组件——rosbag和rqt工具箱

一、rosbag机器人传感器获取到的信息，有时我们可能需要时时处理，有时可能只是采集数据，事后分析，比如:机器人导航实现中，可能需要绘制导航所需的全局地图，地图绘制实现，有两种方式，方式1：可以控制机器人运动

PaLu-LvL·2025-01-17 16:03

软件测试入门—功能需求分析：以一个旅游管理系统为例

在软件测试的旅程中，功能需求分析是测试人员构建高质量测试用例的基础，它确保软件的各项功能都能按照预期正常运行。

Algorithm-007·2025-01-17 16:32

ubuntu 系统，docker建的服务，其他局网机器可以通过IP：端口的方式访问。不是docker的不行。

根据您的描述，docker建的服务可以通过IP：端口的方式被局网其他机器访问，而非docker的服务不行，以下是可能的原因及解决方法：网络配置方面•检查非docker服务的网络监听配置：确保非docker

PyAIGCMaster·2025-01-17 16:32

极梦网络无忧·2025-01-17 16:02

# RAG 框架 | 技术栈 #一文读懂Xinference架构！优秀开源项目技术栈分析

这是原文内容这是知识点解读一、概述Xinference是一个利用actor编程框架Xoscar来管理机器、设备和模型推理进程的系统。每个actor都是模型推理的基本单元，可以集成多种推理后端。

向日葵花籽儿·2025-01-17 15:25

【机器学习：三十一、推荐系统：从基础到应用】

KeyPan·2025-01-17 15:54

【机器学习：三十、异常检测：原理与实践】

1.异常检测概述异常检测（AnomalyDetection）是一种用于识别数据中异常模式或异常点的技术，旨在发现与大部分数据行为不同的样本。它在工业监控、网络安全、金融欺诈检测等领域具有广泛应用。异常检测的目标是找到那些偏离正常行为的数据点，这些数据点可能代表错误、故障、攻击或其他需要特别关注的情况。核心概念异常通常分为以下三种类型：点异常：单个数据点显著偏离正常分布（例如，银行交易中突然的巨额消

KeyPan·2025-01-17 15:24

【机器学习：二十九、K-means算法：原理与应用】

1.K-means概述K-means是一种经典的无监督学习算法，广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置，最小化簇内样本与其中心点之间的总距离（即误差平方和，SSE）。适用

KeyPan·2025-01-17 15:23

人工智能下的MASS服务架构

2.MaaS的起源与概念MaaS的概念最早由美国数据科学家DJ·帕蒂尔在2012年提出，即“将机器学习算法打包成可重复使用的服务，使企

从零开始学习人工智能·2025-01-17 15:52

什么是通用人工智能？

通用人工智能（AGI）被定义为机器的智能，使它们能够像人类一样理解、学习和执行智力任务。AGI模仿人类的思维和行为来解决任何复杂的问题。

雪兽软件·2025-01-17 15:20

Python与下划线（六）name 和 main

它们不仅用于区分模块是直接运行还是被导入，还在模块的测试和组织中发挥了重要作用。本文将详细解析这两个特殊变量的工作原理、使用场景，并提供最佳实践来帮助开发者编写更高效的Python模块。

昊昊该干饭了·2025-01-17 15:47

Android 辅助进阶 — AVD 镜像的本地编译

AVD允许App开发者在不使用真实硬件的情况下测试和调试

子辰教育·2025-01-17 15:46

【机器学习】—时序数据分析：机器学习与深度学习在预测、金融、气象等领域的应用

云边有个稻草人-CSDN博客目录引言1.时序数据分析基础1.1时序数据的特点1.2时序数据分析的常见方法2.深度学习与时序数据分析2.1深度学习在时序数据分析中的应用2.1.1LSTM（长短期记忆网络）2.2深度学习在金融市场预测中的应用2.2.1股票市场预测2.3深度学习在设备故障检测中的应用3.强化学习与时序数据分析3.1强化学习的基本概念3.2强化学习在金融市场中的应用3.3强化学习在设备故

云边有个稻草人·2025-01-17 14:13

【测试工具】Android耗电测试工具PowerTutor的使用

2)屏幕亮度3)cpu频率4)others：GPS、NFC、重力、振动、扬声器、摄像头、闪光灯、内存调度频度二，耗电测试——powerTutor简介：PowerTutor是由美国密歇根大学

叶阿猪·2025-01-17 14:39

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

Pool-BasedSamplingPool-basedsampling是一种主动学习（ActiveLearning）方法，与流式选择性采样不同，它假设有一个预先定义的未标注样本池，算法从中选择最有价值的样本进行标注，以提升模型的性能。这种方法广泛应用于需要人工标注的场景，例如文本分类、图像识别等。核心思想预先准备一个未标注数据池（UnlabeledDataPool）。使用初始标注数据训练一个模型

IT古董·2025-01-17 14:09

为什么要训练最懂您企业的AI助理？

一、构建高度整合与个人化体验为了让AI机器人真正懂您的企业，我们首先要实现高度整合。通过连接企业资料库、应用程序、

·2025-01-17 14:31

嵌入式硬件设计 — 智能设备背后的隐形架构大师

目录引言一、嵌入式硬件设计概述（一）需求分析（二）硬件选型（三）电路设计（四）PCB制作与焊接（五）硬件调试与测试（六）软件移植与开发二、嵌入式硬件选型（一）微控制器（MCU）/微处理器（MPU）（二）

小周不想卷·2025-01-17 13:36

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。

KeyPan·2025-01-17 13:35

【机器学习】---神经架构搜索（NAS）

这里写目录标题引言1.什么是神经架构搜索（NAS）1.1为什么需要NAS？2.NAS的三大组件2.1搜索空间搜索空间设计的考虑因素：2.2搜索策略2.3性能估计3.NAS的主要方法3.1基于强化学习的NAS3.2基于进化算法的NAS3.3基于梯度的NAS4.NAS的应用5.实现一个简单的NAS框架6.总结引言随着深度学习的成功应用，神经网络架构的设计变得越来越复杂。模型的性能不仅依赖于数据和训练方

Undoom·2025-01-17 13:03

机器学习模型调优指南

机器学习模型调优指南机器学习模型参数调优的作用在于优化模型的性能，使其能够在给定任务上更好地泛化和预测。通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。

闵少搞AI·2025-01-17 13:00

从零开始搭二维激光SLAM --- 序章

17年3月，研一下学期的时候选的课题题目，基于SLAM的室内移动机器人导航技术研究。之前并没有接触过SLAM，ROS等等。就连c++都是16年研一上学期的时候学的（大一学过以后没再接触过）。

李太白lx·2025-01-17 12:28

推荐频道

机器测试