python接口
收录了 python接口 频道下的 50 篇内容
Python 接口自动化之 request 请求封装
我们在做自动化测试的时候，大家都是希望自己写的代码越简洁越好，代码重复量越少越好。那么，我们可以考虑将request的请求类型（如：Get、Post、Delect请求）都封装起来。这样，我们在编写用例的时候就可以直接进行请求了。
GPU 编程“改朝换代”：英伟达终为 CUDA 添加原生 Python 支持，百万用户变千万？
多年以来，英伟达为GPU开发的CUDA软件工具包始终缺少原生Python支持，现如今这种情况终于有所转变。
python 接口测试 unittest 使用详解
unittest 是python 的单元测试框架，unittest 单元测试提供了创建测试用例，测试套件以及批量执行的方案， unittest 在安装pyhton 以后就直接自带了，直接import unittest 就可以使用。
Lakehouse 如何重塑企业数据生态？
模块化的Lakehouse架构将成为企业的优选。
Python 的十大特性
本文将帮助你理解 Python 的基本特性。
Python 接口自动化之常见用例读取方法介绍
在软件测试中，为项目编写接口自动化用例已成为测试人员常驻的测试工作。本文以python为例，基于笔者曾使用过的三种用例数据读取方法：xlrd、pandas、yaml，下面简要地介绍下它们的使用方法及简单分析。
四年 C++ 老炮，转攻 Python 实践分享
C++已经学不动了，现在换 Python还来得及吗？一位四年工作经验的C++程序员亲述转型历程，这不仅仅是语言上的转变，而是代码思维甚至工作环境的转变。
Python 接口自动化核心模块 - 数据库操作和日志
进行接口测试时，我们需要连接到数据库中，对数据源进行备份、还原、验证等操作。
推荐一款 Python 接口自动化测试数据提取分析神器！
在处理JSON数据时，我们常常需要提取、筛选或者变换数据。手动编写这些操作的代码不仅繁琐，而且容易出错。Python作为一个功能强大的编程语言，拥有丰富的库和工具来处理这些数据。今天，将介绍一个实用的Python库——JMESPath，它为提取JSON数据提供了简洁而
为何我们用 Go 而非 Python 来部署机器学习模型？
Python 用于脚本，Go 用于基础设施
深度学习框架的评估与比较
最近zer0n和bamos在GitHub上发表了一篇文章，对Caffe、CNTK、TensorFlow、Theano和Torch等深度学习工具从网络、模型能力、接口、部署、性能、架构、生态系统、跨平台等方面做了比较。
8 个用于深度学习的开源工具
人工智能是一个正在迅速发展的领域，并日益成为一种主流。要想跟上人工智能技术的发展，最好的方法就是学习深度学习中的新技术。
Vim 7.4 发布，带来了更快的正则表达式引擎及 1000 多项修复和小改进
经过一个多月的测试后，Vim 7.4于近日发布。该版本更健壮，并且带来了一个更快的新正则表达式引擎。
Unittest+Python 接口自动化测试如何进行 token 关联？
有些业务在做接口自动化的时候，接口头需要传入token参数，那么如何做呢？下边是整理的内容，当然也借鉴了网友的一些资料。
深度学习框架：2016 年的大盘点
刚刚过去的2016年，回顾这一年，深度学习无疑是2016年最热的词。包括Google、Amazon、Facebook、Microsoft等各大巨头都在不遗余力地推进深度学习的研发和应用。 与BEEVA Labs数据分析师Ricardo Guerrero Gomez-Ol在他的博客上发表了一篇博文，盘点了目前最流行的深度学习框架。他在博文中表示，他写此文的初衷是，他常常听到人们谈论深度学习时，总是问：“我应该从哪里开始呢？”“我听说TensorFlow是最流行的，对吧？”“Caffe很常用，但是我觉得它学起来有点困难。” 因为Ricardo所在的BEEVA实验室，经常和深度学习的许多苦打交道，所以他想分享有趣的发现和感想，帮助那些刚进入深度学习这一迷人世界的人们。 InfoQ整理、结合了Ricardo关于深度学习框架的盘点，写成此文，以飨广大有志于深度学习领域的读者们。
Yelp 的数据管道开源了
在经过了几个月的不断分享之后，Yelp终于赶在圣诞节之前放出了大招：把他们的数据管道的核心模块全都开源出来了！
隐私 AI 框架中 MPC 协议的快速集成
Rosetta如何通过引入一个中间抽象层组件，来使得后端隐私协议开发完全和上层 AI 框架相解耦？
道器相融，论一个优秀机器学习平台的自我修养
2017年6月，腾讯正式开源面向机器学习的第三代高性能计算平台 Angel，在GitHub上备受关注；2017年10月19日，腾讯T4专家Andymhuang（黄明）将为QCon上海的听众奉上一场Spark on Angel的精彩分享。作为Angel的主要开发者和团队负责人，同时也是Spark的早期研究者和布道者，他的工作经历可以说同步了通用大数据平台到专用机器学习平台的转变历程。因此，在这之前，InfoQ对黄明进行了一次采访，他将与大家分享人工智能时代的大数据平台演进之路，并结合Angel的开发经验，谈谈如何打造一个优秀的机器学习平台，以及开源后Angel的最新消息和未来规划。
基于 YOLO 的王者荣耀精彩时刻自动剪辑
本文主要介绍基于YOLO的自动剪辑，在此以时下较为火爆的手游王者荣耀为例。
NLP 领域最优秀的 8 个预训练模型（附开源地址）
本文作者列举了NLP领域目前为止最为优秀的8个与训练模型。
京公网安备 11010502039052号 | 产品资质
