Python 연구 노트 - 단위 테스트, UnitTest
소위 단위 테스트는 모듈, 함수 또는 클래스의 정확성을 테스트하는 테스트 유형입니다.
테스트 중심 개발 방식을 테스트 중심 개발이라고 합니다. 이 개발 모델은 단순한 테스트가 아니라 요구 사항을 분해하고 코드 품질을 보장하는 방법입니다.
단위 테스트는 테스트 중에 기능, 모듈 또는 클래스가 우리의 요구 사항을 충족하는지 확인할 뿐만 아니라 동시에 이는 나중에 클래스나 함수를 수정하는 데에도 도움이 됩니다. 수정 사항이 함수에 영향을 미치지 않는지 확인하기 위해 단위 테스트만 다시 실행하면 됩니다.
물론 단위 테스트를 하면 코드의 양도 크게 늘어납니다.
단위 테스트 코드를 작성하려면 Python의 단위 테스트 패키지를 도입해야 합니다. 새로운 단위 테스트 클래스를 생성할 수 있지만 이 클래스는 unitest.TestCase 클래스를 상속해야 합니다. 테스트 클래스의 테스트 메소드는 test로 시작해야 합니다. 그렇지 않으면 실행되지 않습니다. 그런 다음 unitest.TestCase의 메서드를 사용할 수 있습니다. 일반적으로 사용되는 방법은 다음과 같습니다.
assertEqual(self, first, second) #기대값인지 판단
assertTrue(bool) #참인지 판단
assertRaises(예외) #참인지 거짓인지 판단 특정 예외를 발생시킵니다.
예를 들어보겠습니다.
먼저 클래스 사용자 정의 클래스를 정의한 다음 단위 테스트를 수행합니다.
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()
dict의 하위 클래스를 정의했기 때문에 해당 키와 값을 동시에 테스트해야 합니다. 클래스이므로 해당 속성도 테스트해야 합니다.
우리가 정의한 unittest.TestCase 하위 클래스는 일반 Python 파일처럼 실행하기 전에
if __name__ == '__main__': unittest.main()
라는 두 문장을 작성해야 합니다.
또한 다음과 같은 방법으로 여러 테스트를 실행할 수도 있습니다
python -munittest DictTest
setUp 및 TearDown 함수.
setUp 및 TearDown 함수는 두 가지 특수 함수입니다. setUp은 모든 단위 테스트가 시작되기 전에 실행되고, teeDown 함수는 모든 단위 테스트가 실행된 후에 실행됩니다. 이 두 함수의 주요 애플리케이션 시나리오는 다음과 같습니다. 예를 들어 데이터베이스에 연결해야 할 때 setUp 함수에서 연결을 시작하고 TearDown 함수에서 연결을 닫을 수 있습니다.
위는 Python 학습 노트 - 유닛 테스트, UnitTest 내용입니다. 더 많은 관련 내용은 PHP 중국어 홈페이지(www.php.cn)를 참고해주세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











PHP와 Python은 고유 한 장점과 단점이 있으며 선택은 프로젝트 요구와 개인 선호도에 달려 있습니다. 1.PHP는 대규모 웹 애플리케이션의 빠른 개발 및 유지 보수에 적합합니다. 2. Python은 데이터 과학 및 기계 학습 분야를 지배합니다.

CentOS 시스템에서 Pytorch GPU 가속도를 활성화하려면 Cuda, Cudnn 및 GPU 버전의 Pytorch를 설치해야합니다. 다음 단계는 프로세스를 안내합니다. CUDA 및 CUDNN 설치 CUDA 버전 호환성 결정 : NVIDIA-SMI 명령을 사용하여 NVIDIA 그래픽 카드에서 지원하는 CUDA 버전을보십시오. 예를 들어, MX450 그래픽 카드는 CUDA11.1 이상을 지원할 수 있습니다. Cudatoolkit 다운로드 및 설치 : NVIDIACUDATOOLKIT의 공식 웹 사이트를 방문하여 그래픽 카드에서 지원하는 가장 높은 CUDA 버전에 따라 해당 버전을 다운로드하여 설치하십시오. CUDNN 라이브러리 설치 :

Python과 JavaScript는 커뮤니티, 라이브러리 및 리소스 측면에서 고유 한 장점과 단점이 있습니다. 1) Python 커뮤니티는 친절하고 초보자에게 적합하지만 프론트 엔드 개발 리소스는 JavaScript만큼 풍부하지 않습니다. 2) Python은 데이터 과학 및 기계 학습 라이브러리에서 강력하며 JavaScript는 프론트 엔드 개발 라이브러리 및 프레임 워크에서 더 좋습니다. 3) 둘 다 풍부한 학습 리소스를 가지고 있지만 Python은 공식 문서로 시작하는 데 적합하지만 JavaScript는 MDNWebDocs에서 더 좋습니다. 선택은 프로젝트 요구와 개인적인 이익을 기반으로해야합니다.

Docker는 Linux 커널 기능을 사용하여 효율적이고 고립 된 응용 프로그램 실행 환경을 제공합니다. 작동 원리는 다음과 같습니다. 1. 거울은 읽기 전용 템플릿으로 사용되며, 여기에는 응용 프로그램을 실행하는 데 필요한 모든 것을 포함합니다. 2. Union 파일 시스템 (Unionfs)은 여러 파일 시스템을 스택하고 차이점 만 저장하고 공간을 절약하고 속도를 높입니다. 3. 데몬은 거울과 컨테이너를 관리하고 클라이언트는 상호 작용을 위해 사용합니다. 4. 네임 스페이스 및 CGroup은 컨테이너 격리 및 자원 제한을 구현합니다. 5. 다중 네트워크 모드는 컨테이너 상호 연결을 지원합니다. 이러한 핵심 개념을 이해 함으로써만 Docker를 더 잘 활용할 수 있습니다.

Minio Object Storage : Centos System Minio 하의 고성능 배포는 Go Language를 기반으로 개발 한 고성능 분산 객체 저장 시스템입니다. Amazons3과 호환됩니다. Java, Python, JavaScript 및 Go를 포함한 다양한 클라이언트 언어를 지원합니다. 이 기사는 CentOS 시스템에 대한 Minio의 설치 및 호환성을 간단히 소개합니다. CentOS 버전 호환성 Minio는 다음을 포함하되 이에 국한되지 않는 여러 CentOS 버전에서 확인되었습니다. CentOS7.9 : 클러스터 구성, 환경 준비, 구성 파일 설정, 디스크 파티셔닝 및 미니를 다루는 완전한 설치 안내서를 제공합니다.

CentOS 시스템에 대한 Pytorch 분산 교육에는 다음 단계가 필요합니다. Pytorch 설치 : 전제는 Python과 PIP가 CentOS 시스템에 설치된다는 것입니다. CUDA 버전에 따라 Pytorch 공식 웹 사이트에서 적절한 설치 명령을 받으십시오. CPU 전용 교육의 경우 다음 명령을 사용할 수 있습니다. PipinStalltorchtorchvisiontorchaudio GPU 지원이 필요한 경우 CUDA 및 CUDNN의 해당 버전이 설치되어 있는지 확인하고 해당 PyTorch 버전을 설치하려면 설치하십시오. 분산 환경 구성 : 분산 교육에는 일반적으로 여러 기계 또는 단일 기계 다중 GPU가 필요합니다. 장소

CentOS 시스템에 Pytorch를 설치할 때는 적절한 버전을 신중하게 선택하고 다음 주요 요소를 고려해야합니다. 1. 시스템 환경 호환성 : 운영 체제 : CentOS7 이상을 사용하는 것이 좋습니다. Cuda 및 Cudnn : Pytorch 버전 및 Cuda 버전은 밀접하게 관련되어 있습니다. 예를 들어, pytorch1.9.0은 cuda11.1을 필요로하고 Pytorch2.0.1은 cuda11.3을 필요로합니다. CUDNN 버전도 CUDA 버전과 일치해야합니다. Pytorch 버전을 선택하기 전에 호환 CUDA 및 CUDNN 버전이 설치되었는지 확인하십시오. 파이썬 버전 : Pytorch 공식 지점

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.
