notes d'étude python - test unitaire, UnitTest
Le test dit unitaire est un type de test qui teste l'exactitude d'un module, d'une fonction ou d'une classe.
La méthode de développement piloté par les tests est appelée Test Driven Development. Ce modèle de développement n'est pas seulement un test, mais un moyen de décomposer les exigences et de garantir la qualité du code.
Les tests unitaires garantissent non seulement que la fonction, le module ou la classe répond à nos besoins lors des tests. En même temps, cela nous aidera également à modifier la classe ou la fonction à l'avenir. Il nous suffit de relancer le test unitaire pour nous assurer que notre modification n'affectera pas la fonction.
Bien sûr, les tests unitaires augmenteront également considérablement la quantité de code.
L'écriture de code de test unitaire nécessite l'introduction du package unittest de Python. Nous pouvons créer une nouvelle classe de test unitaire, mais cette classe doit hériter de la classe unitest.TestCase. La méthode de test dans la classe test doit commencer par test, sinon elle ne sera pas exécutée. Ensuite, nous pouvons utiliser les méthodes de unitest.TestCase. Les méthodes couramment utilisées sont :
assertEqual(self, first, second) #Juge si c'est la valeur attendue
assertTrue(bool) #Juge si c'est vrai
assertRaises(exception) #Jugez si c'est vrai ou faux. Lève une exception spécifique.
Donnons un exemple :
Nous définissons d'abord une classe personnalisée, puis nous la testons unitairement.
Dict.py
class Dict(dict): def __init__(self, **kwargs): super(Dict, self).__init__(**kwargs) def __getattr__(self, item): try: return self[item] except KeyError: raise AttributeError def __setattr__(self, key, value): self[key] = value import unittest from Dict import Dictclass DictTest(unittest.TestCase): def test_init(self): d = Dict(a=100, b=200) self.assertEqual(d.a, 100) self.assertEqual(d.b, 200) self.assertTrue(isinstance(d, dict)) def test_key(self): d = Dict() d['key'] = "300" self.assertEqual(d["key"], "300") def test_attar(self): d = Dict() d.attar = "attar" self.assertTrue("attar" in d) self.assertEqual(d.attar, "attar") def test_keyError(self): d = Dict() with self.assertRaises(KeyError): value = d["NotExisted"] def test_attarError(self): d = Dict() with self.assertRaises(AttributeError): value = d.not_existed if __name__ == '__main__': unittest.main()
Parce que nous avons défini une sous-classe de dict, nous devons tester sa clé et sa valeur en même temps ; est une classe, nous devons donc également tester ses attributs.
La sous-classe unittest.TestCase que nous avons définie doit écrire deux phrases :
if __name__ == '__main__': unittest.main()
Pour que nous puissions l'exécuter comme un fichier Python normal.
De plus, nous pouvons également exécuter plusieurs tests de la manière suivante
python -m unittest DictTest
fonctions setUp et tearDown.
Les fonctions setUp et TearDown sont deux fonctions spéciales. setUp s'exécute avant le début de tous les tests unitaires ; la fonction tearDown s'exécute après l'exécution de tous les tests unitaires. Les principaux scénarios d'application de ces deux fonctions sont : par exemple, lorsque vous devez vous connecter à une base de données, vous pouvez démarrer la connexion dans la fonction setUp et fermer la connexion dans la fonction tearDown.
Ce qui précède sont les notes d'étude Python - test unitaire, contenu UnitTest Pour plus de contenu connexe, veuillez faire attention au site Web PHP chinois (www.php.cn) !

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Minio Object Storage: Déploiement haute performance dans le système Centos System Minio est un système de stockage d'objets distribué haute performance développé sur la base du langage Go, compatible avec Amazons3. Il prend en charge une variété de langages clients, notamment Java, Python, JavaScript et GO. Cet article introduira brièvement l'installation et la compatibilité de Minio sur les systèmes CentOS. Compatibilité de la version CentOS Minio a été vérifiée sur plusieurs versions CentOS, y compris, mais sans s'y limiter: CentOS7.9: fournit un guide d'installation complet couvrant la configuration du cluster, la préparation de l'environnement, les paramètres de fichiers de configuration, le partitionnement du disque et la mini

La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu

Lors de l'installation de Pytorch sur le système CentOS, vous devez sélectionner soigneusement la version appropriée et considérer les facteurs clés suivants: 1. Compatibilité de l'environnement du système: Système d'exploitation: Il est recommandé d'utiliser CentOS7 ou plus. CUDA et CUDNN: La version Pytorch et la version CUDA sont étroitement liées. Par exemple, Pytorch1.9.0 nécessite CUDA11.1, tandis que Pytorch2.0.1 nécessite CUDA11.3. La version CUDNN doit également correspondre à la version CUDA. Avant de sélectionner la version Pytorch, assurez-vous de confirmer que des versions compatibles CUDA et CUDNN ont été installées. Version Python: branche officielle de Pytorch

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.
