首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

postman+newman框架之生成接口测试报告

做测试的同仁,对于接口测试的都应该了解,接口测试不简单的是在开发时期,开发已写完完备的接口文档进行测试就完事的。 而是需要在项目的持续迭代的过程中持续测试的;那么我们是一个一个接口参考文档去输出用例,手动执行,整理结果吗? 当然是NO。那样的你应该也不是一个"快乐的鼠标工程师" 鼠标工程师的内心,每次点点点、每次上线;都耗费巨大的时间成本以及心态更方面的准备,去保证测试完成的质量,这就是为什么这么多人喜欢学习自动化测试的根本原因 所以手动去一个一个去执行接口,人力时间成本太高,接口的自动化测试环节就是比不可少了。 那么,由此即可以引出接口自动化测试的实现方式。实现方式会有多种多样,比如说已经比较成熟的第三方“商业版”测试工具SoupUI、postman 第一次接触是以chrome插件版形式去认识的postman,现在已经独立为单独的app、但是今天我要重点说的是postman的插件–newman。 前置条件: 前提是已经安装好node程序 node检验方式:打开cmd-->输入node 进入命令行即可

03

为Anaconda安装tf、pytorch、keras

# Anaconda3介绍 简单来说,Anaconda是Python的包管理器和环境管理器。 先来解决一个初学者都会问的问题:我已经安装了Python,那么为什么还需要Anaconda呢?原因有以下几点: 1. Anaconda附带了一大批常用数据科学包,它附带了conda、Python和 150 多个科学包及其依赖项。因此你可以用Anaconda立即开始处理数据。 2. 管理包。Anaconda 是在 conda(一个包管理器和环境管理器)上发展出来的。在数据分析中,你会用到很多第三方的包,而conda(包管理器)可以很好的帮助你在计算机上安装和管理这些包,包括安装、卸载和更新包。 3. 管理环境。为什么需要管理环境呢?比如你在A项目中用到了Python2,而新的项目要求使用Python3,而同时安装两个Python版本可能会造成许多混乱和错误。这时候conda就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同,比如不同的pandas版本,不可能同时安装两个pandas版本。你要做的应该是在项目对应的环境中创建对应的pandas版本。这时候conda就可以帮你做到。 # Anaconda3的安装 1. [官网地址](https://www.anaconda.com/download/) 2. [清华镜像](https://mirrors.tuna.tsinghua.edu.cn/anaconda/) 关于安装过程中的细节,如全局变量设置...可自行百度,下面我们转入正题 # Anaconda3安装tensorflow 1. 打开anaconda安装时自带的Anaconda prompt 2. 打开后,输入清华镜像的tensorflow的下载地址(如果你已经在墙外翱翔了,可以省略这一步): ```html conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` 3. 接着我们开始创建一个python3.6的环境,因为如果你安装的是最新的anaconda,它默认环境为py3.7,并且在不久之前,tensorflow已经开始支持py3.6,所以我们创建一个py3.6环境: ```html conda create -n tensorflow python=3.6 ``` 4. 启动anaconda中的py3.6环境: ```html activate tensorflow ``` 如果不能进入,则重新执行第3步骤 5. 进入py3.6的环境中后,我们就可以进行安装了(此处我们安装的是CPU版本的tensorflow): ```html pip install --upgrade --ignore-installed tensorflow ``` 6. 当我们不使用tensorflow时,我们就可以使用: ```html deactivate ``` 退出该环境 7. 开始测试一下是否安装成功: 重新打开Anaconda Prompt—>activate tensorflow—>python来启动tensorflow,并进入python环境 ```python #TensorFlow使用图(Graph)来表示计算任务;并使用会话(Session)来执行图,通过Session.close()来关闭会话(这是一种显式关闭会话的方式)。会话方式有显式和隐式会话之分。 import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') #初始化一个TensorFlow的常量 sess = tf.Session() #启动一个会话 print(sess.run(hello)) ``` 如果可以准确的输出结果,那么恭喜你,安装tensorflow成功!

03
领券