登录
首页 » Python » 自动化测试示例(基于pytest)

自动化测试示例(基于pytest)

于 2020-06-02 发布
0 128
下载积分: 1 下载次数: 1

代码说明:

自动化测试示例(基于pytest)

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • Python进阶(Intermediate Python) 中文PDF彩色版
    《Python进阶》是《Intermediate Python》的中译本,对Python中的装饰器与推导式等高级用法做了详细说明,适合于掌握Python基础后的进一步提高。 Python的语法相当简洁,即使是生成器、装饰器与推导式等的高级特性利用时,同样可以发挥Pyhton简单高效的优点。 Pyhton3.x与2.x版本语法存在不同的地方,《Pyhton》进阶中的例子会贴出Python3与Pyhton2两个版本的代码,比较难能可贵。 译者在翻译过程中,慢慢发现,本书作者有着科普作家的风范,能将晦涩难懂的技术以较清晰简洁的方式来呈现,深入浅出的风格在每个章节的讨论中都得到了体现:每个章节都非常精简,5分钟就能看完,例子追求简洁,精辟地展现了原理;每个章节都会通过疑问,来引导读者主动思考答案;每个章节都引导读者做延伸阅读,让有兴趣的读者能进步、可以举一反三;每个章节都是独立的,你可以挑选任意的章节开始阅读, 不受影响。
    2020-03-02下载
    积分:1
  • Python3-廖雪峰pdf
    python 3.0 廖雪峰pdf包括Python程序设计的方方面面,首先从Python的安装开始,随后介绍了Python的基础知识和基本概念,包括列表、元组、字符串、字典以及各种语句。然后循序渐进地介绍了一些相对高级的主题,包括抽象、异常、魔法方法、属性、迭代器。此后探讨了如何将Python与数据库、网络、C语言等工具结合使用,从而发挥出Python的强大功能,同时介绍了Python程序测试、打包、发布等知识。最后,作者结合前面讲述的内容,按照实际项目开发的步骤向读者介绍了几个具有实际意义的Python项目的开发过程。
    2021-05-06下载
    积分:1
  • 学生管理系统python源码
    Python版本的学生管理系统 管理端账号:000密码:000学生端账号:该生学号密码:1111111、密码均为初始密码,可以随后在系统中自行修改。2、所有操作完成之后必须点退出系统,否则无法保存文件。3、未分配学号的学生无法登陆系统,需先由管理端分配学号之后再登陆系统
    2020-12-11下载
    积分:1
  • 图片分类,图像识别,目标检测
    图片分类,图像识别,目标检测的resnet50,python实现。
    2021-05-06下载
    积分:1
  • 路径规划算法实现
    这个压缩包中的代码实现了机器人使用的一些常见的路径规划算法,包括基于搜索的算法和基于采样的算法。
    2021-05-07下载
    积分:1
  • 银行营销活动数据以预测客户有多大可能购买存款产品
    本数据集来自葡萄牙银行定期存款产品营销活动数据,主要包含三部分的信息。第一部分为客户基本信息,如年龄、职业、婚姻状况、受教育程度等;第二部分为与客户的沟通信息,如上次营销活动中与客户沟通时所在的月份、工作日、时长等;第三部分为社会经济数据,如消费者价格指数、消费者信心指数等。 通过此数据集,我们将要探讨以下问题:具备哪什么特征的客户更有可能购买定期存款产品?在什么时间与客户沟通更有可能让客户购买存款产品?如何根据数据分析结果指导银行的营销活动?
    2021-05-06下载
    积分:1
  • python教程:Python 实战-从菜鸟到大牛的进阶之路 - v1.1.pdf
    python教程:Python 实战-从菜鸟到大牛的进阶之路 - v1.1.pdf
    2020-12-03下载
    积分:1
  • 《可爱的python》习题答案.doc
    新手入门,附有答案代码截图
    2020-03-26下载
    积分:1
  • Python贪吃蛇游戏实例
    此实例为Python写的一个简单的贪吃蛇游戏,提供Python入门者学习
    2017-11-16下载
    积分:1
  • LSTM入门正弦波序列预测
    LSTM入门学习,正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs
    2021-06-30 00:31:01下载
    积分:1
  • 696518资源总数
  • 104228会员总数
  • 45今日下载