- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
用ChatGPT「指挥」数百个模型，HuggingGPT让专业模型干专业事
因此，问题的关键是如何选择合适的中间件来桥接 LLM 和 AI 模型之间的连接。 该研究注意到每个人工智能模型都可以通过总结其模型功能来表示为一种语言形式。 然后通过上下文中的任务模型分配机制动态地为任务选择模型。 任务执行 一旦将任务分配给特定模型，接下来就是执行任务，即执行模型推理。 为了加速和计算稳定性，HuggingGPT 在混合推理端点上运行这些模型。将任务参数作为输入，模型计算推理结果，然后将信息反馈给大型语言模型。 该研究还在多模态任务上测试了 HuggingGPT，如下图所示。 还有人将其比喻为公司经理，评论道「HuggingGPT 有点像现实世界中的场景，公司有一群超强的工程师，在各个专业能力超群，现在有一个经理把他们管理起来，当有人有需求，那么这个经理就会分析需求，然后分给相应的工程师去做
95010编辑于 2023-04-06 - 来自专栏软件测试经验与教训
如何让测试工作更专业
面试官问我 如何让测试工作更专业 这道题目是几年前面试一家创业公司时，对方老板问我的问题，我觉得虽然小伙伴们在面试中碰到的几率不大，不过在工作中却很有思考它的必要。 其实道理很简单，难在执行。 面试题：如何让测试工作更专业？ 需求评审时，多关注（提问）这样几个问题：这个需求是什么？为什么会提这个需求？开发人员会怎么修改软件以完成这个需求？他们的改动方式是否合理？ 这次的改动会产生哪些影响，测试范围清楚吗？可能有什么风险？ 能根据不同的资源、项目情况，给出合理的测试周期。 追根究底，有一些问题需要反复验证，反复沟通确认。 多交流，组内、组外。 高质量的测试报告，包括测试计划、测试用例、bug、系统测试报告等各种测试人员需要出具的文档，高质量意味着： 格式规范 测试用例设计详尽、有深度、无歧义、便于执行。 不提交重复或虚假bug。 唠叨环节： 在任何行业，获得“你很专业”的评价都是一种很高的褒奖，说它是一枚“军功章”丝毫不夸张。上面给出的思路仅仅是个人看法，不代表一定是对的，仅仅给大家做参考。
1.2K40发布于 2019-04-28 - 来自专栏小雨的CSDN
软件测试 —— 测试模型（V模型 W模型）
【软件开发的周期：、需求分析、设计、实现、测试、安装部署、运行维护】 【软件测试的周期：、需求分析，测试计划，测试设计/测试开发，测试执行，测试评估】 软件测试v模型 （v模型是瀑布模型的变种） 优点：后期的测试阶段和前期的阶段可以一一对应起来，清楚的标注每一个测试阶段的依据 缺点：不利于项目前期风险的及时发现 软件测试W模型（双V模型） 特点:测试在项目前期介入，对需求，系统设计等都会进行验证 ，测试的对象不仅是程序，需求、设计等同样要测试，测试与开发是同步进行的 优点:测试介入早，有利于全面得发现系统前期的风险，同时，对需求的测试也有利于及时了解项目难度和测试风险，及早制定应对措施，显著减少总体测试时间 ，加快项目进度 缺点:阶段性比较强，需求、设计、编码等活动被视为串行的；测试和开发活动也保持着一种线性的前后关系，上一阶段完全结束，才可正式开始下一个阶段工作不可逆，所以无法适应敏捷开发。
1.8K30编辑于 2022-10-26 - 来自专栏华尔街科技眼
大模型分化趋势：更垂直、更专业
对于大模型的发展方向，大boss们目前达成了一些基本的产业共识：与实体经济相结合是大模型未来的发展路径，云厂商正在尝试将大模型落地到垂直领域，打造出金融、医疗、电力等领域的专业大模型。 今年4月，阿里云“通义千问”大模型开放对外测试，目前已有超过20万企业用户申请接入，几乎覆盖所有新兴和传统行业。 因此，企业使用的大模型必须可控、可追溯、可修正，而且必须经过反复与充分测试才能上线。我们认为，客户更需要有行业针对性的行业大模型，再加上企业自己的数据做训练或精调，才能打造出实用性高的智能服务。 在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签，不断测试与迭代模型。接着讲讲应用。 算力是模型持续运转的基础，高性能、高弹性和高稳定的算力需要借助专业的云服务。
50420编辑于 2023-06-28 - 来自专栏XINDOO的专栏
如何使用大语言模型绘制专业图表
过去的一年里，我相信大部分人都已经看到了大语言模型(后文简称LLM)所具备的自然语言理解和文本生成的能力，还有很多人将其应用于日常工作中，比如文案写作、资料查询、代码生成……今天我要向大家介绍LLM 我们可以直接让大模型将这两份数据放在一张图里，方便对比出生人口和高考人数变化趋势。 如果你不满意LLM用Mermaid绘制出来的图表，你还可以把它贴到Draw.io里做二次编辑（操作路径：工具栏/➕/高级/Mermaid），借助专业的绘图工具，就可以绘制出更专业好看的图表。
2.1K10编辑于 2024-08-07 - 来自专栏java思维导图
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
也就是说，JVM会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解 /** * @author Richard_yyf 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
56220编辑于 2022-03-04 - 来自专栏达达前端
软件测试模型以及测试方法
前言 大家好，我是 Vic，今天给大家带来软件测试模型以及测试方法的概述，希望你们喜欢 软件测试 软件开发过程 软件质量保证 理解软件测试 软件测试分类 测试工作流程 思考软件测试 软件测试时一门很重要的学科 那么软件生存期模型有什么内容呢 瀑布模型 原型模型 增量模型 螺旋模型 1.瀑布模型 答：对于瀑布模型，我知道有六个阶段：计划，需求分析，设计，编码，测试，运行维护。 3.什么是增量模型 答：对于增量模型，记住的是在每个阶段都会生成一个可发布的正式版本，而且每个软件版本是逐步完善的。 4.什么是螺旋模型 答：螺旋模型是瀑布模型和原型模型结合起来的，记住这个模型是有四个阶段，这四个阶段都是主要的，一是制定计划，二是风险分析，三是实施工程，四是评审。 总结 本文讲了软件测试模型以及测试方法，如果您还有更好地理解，欢迎沟通 定位：分享 Android&Java知识点，有兴趣可以继续关注
96220发布于 2019-07-03 - 来自专栏狗哥的 Java 世界
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
也就是说，JVM 会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于 Java 代码微基准测试的一套测试工具 API，是由 OpenJDK/Oracle 官方发布的工具。 Java 的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 运行 JMH 基准测试有两种方式，一个是生产 jar 文件运行，另一个是直接写 main 函数或者放在单元测试中执行。 .measurementIterations(10) // forks(3)指的是做3轮测试， // 因为一次测试无法有效的代表结果， // 所以通过3轮测试较为全面的测试
51010编辑于 2022-03-15 - 来自专栏java思维导图
别只会 main 方法做测试，太 Low！这才是专业 Java 测试方法！
也就是说，JVM会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解， @State(Scope.Benchmark) 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
47840编辑于 2022-03-21 - 来自专栏漫谈测试
性能测试过程中你需要了解的专业及非专业术语
其实我们可以用多线程模型来解释他们，并发量就相当于线程数，吞吐量就是所有线程处理请求数之和。 通常我们做性能测试主要考察和评估的是TPS，而并发量是一个相对较虚的概念，比如我们说一个系统支持同时1k人操作，一般不在评估的范围内。 提交订单操作均可定义为事务，单位时间内系统可以成功完成多少个定义的事务，在一定程度上反映了系统的处理能力，一般以事务成功率来度量；超时错误率：主要指事务由于超时或系统内部其它错误导致失败占总事务的比率.三、非专业相关术语性能测试中的非专业术语通常指的是那些在日常对话中使用的 跑分指进行性能测试时得到的分数，用于比较不同系统或配置之间的表现。压测对软件或系统施加高负载以测试其稳定性和响应时间的过程。每秒连接数每秒连接数实现Web应用程序在运行过程中每秒建立的HTTP连接数。 场景定义：为了模拟真实用户的业务处理过程，在测试工具中构建的基于事务、脚本、虚拟用户、运行设置、运行计划、监控、分析等一系列动作的集合。
43810编辑于 2024-12-16 - 来自专栏芋道源码1024
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
测试项目构建 2. 编写性能测试 3. 执行测试 4. JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解。 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
42540编辑于 2022-03-04 - 来自专栏EMQ 物联网
专业版即将支持自定义场景测试
物联网 MQTT 测试云服务 XMeter Cloud 专业版于 2022 年底上线后，已有不少用户试用，对数千甚至上万规模的 MQTT 并发连接和消息吞吐场景进行测试。 自定义测试场景支持XMeter Cloud 基础版及专业版均已提供多种内置 MQTT 测试场景，包括连接、上报、1 对 1、广播、共享订阅，用户可通过简单的选择及主要参数设置，方便快捷地提交 MQTT 在即将上线的新版本中，我们将为专业版用户提供自定义测试场景功能，以满足自主定义测试场景和测试更广泛协议的需求，帮助用户构建更复杂的 MQTT 测试场景，实现对除 MQTT 以外其他物联网协议的测试。 更清晰的版本选择XMeter Cloud 目前提供基础版和专业版两种产品版本。 基础版支持不超过 1,000 连接和每秒 1,000 消息吞吐的公网 MQTT 测试；专业版支持不超过 500,000 连接和每秒 500,000 消息吞吐的公网及私网 MQTT 测试，并将支持更多协议测试
43110编辑于 2023-03-07 - 来自专栏陶陶计算机
PyTorch 实战（模型训练、模型加载、模型测试）
本次将一个使用Pytorch的一个实战项目，记录流程：自定义数据集->数据加载->搭建神经网络->迁移学习->保存模型->加载模型->测试模型 自定义数据集 参考我的上一篇博客：自定义数据集处理 数据加载 pytorch保存模型的方式有两种： 第一种：将整个网络都都保存下来 第二种：仅保存和加载模型参数（推荐使用这样的方法） # 保存和加载整个模型 torch.save(model_object model.pkl则是第一种方法保存的 [在这里插入图片描述] 测试模型 这里是训练时的情况 [在这里插入图片描述] 看这个数据准确率还是不错的，但是还是需要实际的测试这个模型，看它到底学到东西了没有 ，接下来简单的测试一下： import torch from PIL import Image from torchvision import transforms device = torch.device /test/name.jpg') 实际的测试结果： [在这里插入图片描述] [在这里插入图片描述] 效果还是可以的，完整的代码: https://github.com/huzixuan1
3.2K20编辑于 2022-05-12 - 来自专栏流柯技术学院
性能测试学习之二 ——性能测试模型（PV计算模型）
PV计算模型 现有的PV计算公式是： 每台服务器每秒平均PV量 =( (总PV*80%)/(24*60*60*40%))/服务器数量 =2*(总PV)/* (24*60*60
1.4K20发布于 2018-08-30 - 来自专栏嵌入式视觉
【Kaggle竞赛】模型测试
是骡子是马拉出来溜溜就知道，一个模型好还是坏，放在全新的测试集上去测试下就知道了，根据模型测试的结果我们才能衡量模型的泛化性、稳定性等指标如何，从而方便我们根据测试的反馈去进行调参优化模型。 这里我是根据kaggle比赛来写的模型测试代码，所以可能跟实际的工程项目有所差别，注意区分。 这里的模型测试程序，是我参加dogs-vs-cats-redux-kernels-edition比赛而编写的，其他Kaggle比赛有所区别，但大致逻辑和流程没有差别。 模型测试及输出结果程序实现 下面的程序中，我只是加载了模型中每一个变量即权重参数的取值，没有加载模型中定义好的变量，对输入和输出我都重新定义了，其实是可以通过以下代码直接返回训练好的模型中设置的输入输出变量的 ,glob,skimage,numpy, # Function:负责测试猫狗识别网络模型,并将识别结果输出到csv文件中 from PIL import Image import matplotlib.pyplot
79930编辑于 2022-09-05 - 来自专栏搜狗测试
测试策略模型探索
③ 测试的重点和难点是什么？ ④ 测试的深度和广度是什么？ ⑤ 如何安排各种测试活动（先测试什么，再测试什么）？ ⑥ 如何评价测试的效果？ 测试策略的制定思路 实际项目中，以上6个问题看起来不难，但是想回答好却并不简单。小编借鉴书中的一种思路，通过模型化的方法来指导策略制定，具体模型图是： ? ； ② 质量活动包括确定测试类型、测试框架及测试工具； ③ 质量评估可以反馈产品的质量和用户满意度，从而得出策略是否有效和高效； 测试总体框架图 通过测试策略和测试活动按照测试框架绘制出来 ，并按照研发流程和测试分层来组织测试活动的先后次序，形成测试总体框架： ? 测试策略项目落地实践 测试质量目标的落地 测试质量的目标围绕的是刚刚好的状态。
1K50发布于 2020-07-24 - 来自专栏漫谈测试
性能测试成熟模型业务模型
我们针对具体方案的设计进行抽象和总结，将其归纳为6个性能测试模型。 在企业建设性能测试体系的过程中，性能测试模型可作为性能测试项目实施的基础理论，当每个项目开展性能测试时，基于该理论进行具体的性能测试方案的设计，从而保障企业内部性能测试实施过程的标准化、规范化。 性能测试模型是性能测试工程师开展性能测试项目必须掌握的内容，他们只有深度掌握这6个模型，并在不同的项目实施方案设计中灵活运用，才能达到性能测试项目的预期目标，本文主要聊聊性能测试中的业务模型，模型的目的是什么 在实施结果价值上，业务模型为性能测试提供更接近于生产实际的业务场景，使测试结果对生产更具有参考性。设计的测试场景与生产用户使用的场景差异越小，其测试结果对生产的参考价值越大。 主要缺点主要有以下几个：复杂性：要建立一个精确反映所有业务场景的模型是相当复杂的，特别是当涉及到多变且复杂的业务流程时。这不仅耗时，而且需要深厚的专业知识。
39820编辑于 2024-10-30 - 来自专栏漫谈测试
性能测试成熟模型风险模型
风险模型是指在性能测试实施过程中可能存在的风险，这些风险主要是由外部因素导致的而不是应用系统本身发生的。 风险模型作为性能测试方案的重要组成部分之一，通过在实施性能测试过程中提前对可能存在的风险进行评估和拟定应对方案，以保证性能测试实施过程的顺利进行，以及在出现问题后能够快速解决问题，验证测试结果数据的准确性 风险模型的基本内容主要包括哪些？风险模型的内容主要包括6项，分别为脚本风险、数据风险、业务风险、环境风险、监控风险和版本风险。 4)环境风险：性能测试环境的管理权问题，例如性能测试数据经常被功能测试工程师改变，或者在性能测试环境中运行着不知名的程序占用了大量的CPU和内存资源等。 针对以上可能存在的风险，我们一般会从以下几个方面做到一定程度上的风险把控，具体如下：1)多次确认：针对业务模型中涉及的业务关系以及脚本编写涉及的技术内容等进行多次确认和沟通。
30220编辑于 2024-11-08 - 来自专栏漫谈测试
性能测试成熟模型策略模型
策略模型的概述策略建模作为性能测试方案的重要组成部分之一，通过设置不同的策略来实现不同的测试目的和需求。 在对业务模型中的功能点或接口进行策略的设置时，其核心目的是在测试策略方面保障测试执行场景的多样性。这里介绍的策略模型内容基于前期的性能测试的类型，在企业实际建设过程中对其他性能测试类型方面进行补充。 策略模型建模的方法以下针对每一个模型的内容进行具体说明，包括模拟场景、测试目的、负载压力、执行方法、指标要求和测试结果分析几个维度，基础测试如下表所示。单场景测试如下表所示：负载测试场景如下图所示。 其它形式的测试不进行详细说明了，比如容积测试(容量测试)；稳定性测试；健壮性测试；压力测试；恢复性测试浪涌测试；批量处理场景测试。性能测试策略模型优缺点有哪些？ 选择适合的性能测试策略模型应当基于项目特性、开发方法学、预算限制以及对软件质量的具体要求。每种模型都有其独特的优势和局限性，理想情况下，综合运用多种测试策略可以获得最佳效果。
27810编辑于 2024-11-07 - 来自专栏C / C++
【测试开发测试】从“0”建立【模型】的概念：需求、开发模型、测试模型一文全知道
2 模型：开发模型&&测试模型 2.1 “模型”到底是什么？ 在瀑布模型中，测试阶段处于软件实现后，这意味着必须在代码完成后有足够的时间预留给测试活动，否则将导致测试不充分，从而把缺陷直接遗留给用户。 2.4 测试模型 测试模型中有两个非常重要且具有标志性的测试模型：V模型和W模型。 缺点：仅仅把测试作为在编码之后的一个阶段，未在需求阶段就介入测试。缺点同瀑布模型。 2.4.2 W模型（双V模型） V模型中未将测试前置的问题在W模型中得以解决。 W模型增加了软件各开发阶段中应同步进行的验证和确认活动。W模型由两个V字型模型组成，分别代表测试与开发过程，图中明确表示出了测试与开发的并行关系。
21410编辑于 2025-11-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号