相关内容
LoadRunner菜鸟入门学习笔记
三、我的第一个loadrunner脚本1、脚本录制与回放（1）打开loadrunner，首先创建一个脚本? （2）点击新建? （3）这里我们选择web（httphtml）协议，目前web...至于ie... 3、百度下载安装lr11并破解，调整ie版本 （1）lr下载安装及破解、汉化参考百度经验教程：https:jingyan.baidu...
loadrunner笔记（一）：下载、安装loadrunner和负载压力测试概念说明
主程序安装好后，运行语言包，汉化。? 解压完成后c:temphpe loadrunner 12.55 community editiondvdlanguagepackschinese-simplifiedloadrunner 目录下，直接运行下面的文件就行了? 到这里就安装并且汉化完成了。? 以下部分来源于：《软件评测师教程》柳纯录 主编 黄子河 陈渌萍 副主编（二）负载压力基础概念...
loadrunner脚本开发-调用javajar文件远程操作Oracle数据库测试
调用java jar文件远程操作oracle数据库测试by:授客 测试环境 数据库：linux 下oracle_11g_r2loadrunner：11 备注：想学oracle的同学，建议在linux、unix平台下进行学习，如果觉得安装麻烦，可以加全国软件性能测试交流群：7156436，免费获取oracle_11g_r2 linux虚拟机及官方英译汉安装教程(该资料由授客提供)...
教程 | Python集合与集合运算
本教程将向你介绍一些关于 python 集合和集合论的话题：如何初始化空集和带有数值的集合如何向集合中添加值或者从集合中删除值如何高效地使用集合，用于成员检测、从列表中删除重复值等任务。 如何执行常见的集合操作，例如求并集、交集、差集以及对称差。 可变集合和不可变集之间的区别有了这个提纲，让我们开始吧...
教程|在 Angular 4 中加载功能模块（下）
本教程介绍了一种混合加载策略，使用贪婪加载、惰性加载和预加载 3 种技术来提高应用程序性能。 要实现有效的混合加载策略，可遵循以下经验法则：对基础应用程序功能和主要模块使用贪婪加载。 这些是必须在应用程序启动时就能用的资源。 对大多数用户将要访问的模块使用预加载，即使它们不是第一个查找的或查找得最...
教程 | 仅需六步，从零实现机器学习算法！
目前本教程主要介绍了：? 现在我们要继续计算迭代 n=2 时的新权重了。? 我们成功完成了感知器算法的第一次迭代。 5. 重复由于我们的算法没能计算出正确的输出，因此还要继续。 一般需要进行大量的迭代。 遍历数据集中的每一行，每一次迭代都要更新权重。 一般将完整遍历一次数据集称为一个「epoch」。 我们的数据集有...
教程 | 仅需六步，从零实现机器学习算法！
目前本教程主要介绍了：? 现在我们要继续计算迭代 n=2 时的新权重了。? 我们成功完成了感知器算法的第一次迭代。 5. 重复由于我们的算法没能计算出正确的输出，因此还要继续。 一般需要进行大量的迭代。 遍历数据集中的每一行，每一次迭代都要更新权重。 一般将完整遍历一次数据集称为一个「epoch」。 我们的数据集有...
教程 | Adrian小哥教程：如何使用Tesseract和OpenCV执行OCR和文本识别
选自pyimagesearch作者：adrian rosebrock机器之心编译参与：路、张倩近期，adrian rosebrock 发布一篇教程，介绍了如何使用 opencv、python 和 tesseract 执行文本检测和文本识别。 从安装软件和环境、项目流程、review 代码、实验结果，到展示局限、提出建议，这篇教程可以说十分详细了。 机器之心对该教程进行了...
教程 | 如何使用 Kubernetes 轻松部署深度学习模型
adrian 写了一篇很棒的教程，关于如何利用 keras 构建深度学习模型并使用 flask 部署它。 教程参见：https:blog.keras.iobuilding-a-simple-keras-deep-learning-rest-api.html我们需要对adrian 的脚本进行两处关键的修改，才能使其运行。 如果你不关心 docker 和 tensorflow 的技术细节，请跳过下面两段。 我们要...
教程 | 如何保持运动小车上的旗杆屹立不倒？TensorFlow利用A3C算法训练智能体玩CartPole游戏
选自medium作者：raymond yuan机器之心编译参与：李诗萌、张倩本教程讲解如何使用深度强化学习训练一个可以在 cartpole游戏中获胜的模型。 研究人员使用 tf.keras、openai训练了一个使用「异步优势动作评价」（asynchronous advantage actor critic，a3c）算法的智能体，通过 a3c 的实现解决了 cartpole 游戏问题...
教程 | PyTorch经验指南：技巧与陷阱
本文其余部分写的是关于 grokking pytorch 的内容，都是基于 minist 官网实例，应该要在学习完官网初学者教程后再查看。 为便于阅读，代码以块状形式呈现，并带有注释，因此不会像纯模块化代码一样被分割成不同的函数或文件。 pytorch 基础pytorch 使用一种称之为 imperative eager 的范式，即每一行代码都要求构建一...
教程 | 预测电影偏好？如何利用自编码器实现协同过滤方法
由于本教程将重点介绍深度学习模型的实现，因此不会在这里介绍使用 user-movie-matrix 超出 ratings.dat 文件的步骤。 对于关于这个主题的进一步问题，你可以去我的 github页面（https:github.comartem-oppermanndeep-autoencoders-for-collaborative-filteringblobmasterdatapreprocess_data.py）， 查看相应的 ...
教程 | 用TensorFlow Estimator实现文本分类
tutorialblobmasternlp_estimators.py）tensorflow嵌入技术指南（https:www.tensorflow.orgprogrammers_guideembedding）tensorflow词向量表示教程（https:www.tensorflow.orgtutorialsword2vec）nltk的原始文本处理（http:www.nltk.orgbookch03.html）章节，讲述如何设计语言数据管道...
教程 | 用TensorFlow Estimator实现文本分类
tutorialblobmasternlp_estimators.py）tensorflow嵌入技术指南（https:www.tensorflow.orgprogrammers_guideembedding）tensorflow词向量表示教程（https:www.tensorflow.orgtutorialsword2vec）nltk的原始文本处理（http:www.nltk.orgbookch03.html）章节，讲述如何设计语言数据管道...
教程 | 入门Python神经机器翻译，这是一篇非常精简的实战指南
本文借助 keras 从最基本的文本加载与数据预处理开始，并讨论了在循环神经网络与编码器解码器框架下如何才能构建一个可接受的神经翻译系统本教程所有的代码已在 github 开源。 传统意义上来说，机器翻译一般使用高度复杂的语言知识开发出的大型统计模型，但是近来很多研究使用深度模型直接对翻译过程建模...
教程 | 用TensorFlow Estimator实现文本分类
tutorialblobmasternlp_estimators.py）tensorflow嵌入技术指南（https:www.tensorflow.orgprogrammers_guideembedding）tensorflow词向量表示教程（https:www.tensorflow.orgtutorialsword2vec）nltk的原始文本处理（http:www.nltk.orgbookch03.html）章节，讲述如何设计语言数据管道...
教程 | 预测电影偏好？如何利用自编码器实现协同过滤方法
由于本教程将重点介绍深度学习模型的实现，因此不会在这里介绍使用 user-movie-matrix 超出 ratings.dat 文件的步骤。 对于关于这个主题的进一步问题，你可以去我的 github页面（https:github.comartem-oppermanndeep-autoencoders-for-collaborative-filteringblobmasterdatapreprocess_data.py）， 查看相应的 ...
教程 | 如何使用Keras、Redis、Flask和Apache把深度学习模型部署到生产环境？
请参阅上周的教程（https:www.pyimagesearch.com20180129scalable-keras-deep-learning-rest-api），通过说明了解如何在不熟悉 python 虚拟环境的情况下安装 virtualenv 和virtualenvwrapper。 准备工作就绪后，创建虚拟环境：$ mkvirtualenv keras_flask -p python3在此之上，我们来安装必要的软件包：$ pip install...
教程 | 从头开始在Python中开发深度学习字幕生成模型
如何评估一个训练后的字幕生成模型，并使用它为全新的图像生成字幕。 ?教程概览该教程共分为 6 部分：1. 图像和字幕数据集2. 准备图像数据3. 准备文本数据4. 开发深度学习模型5. 评估模型6. 生成新的图像字幕python 环境本教程假设你已经安装了 python scipy 环境，该环境完美适合 python 3。 你必须安装 keras（2.0 ...
教程 | 如何使用Keras集成多个卷积网络并实现共同预测
我目前并没有发现有任何的教程或文档教人们如何在一个集成中使用多种模型，因此我决定自己做一个这方面的使用向导。 我将使用 keras，具体来说是它的功能性 api，以从相对知名的论文中重建三种小型 cnn（相较于 resnet50、inception 等而言）。 我将在 cifar-10 数据集上独立地训练每个模型 。 然后使用测试集评估...
