前言 我们公司在推广RF这个框架做后端接口测试,力求让同事们能更快的完成服务端需求的自动化,作为主导者之一,决定分享一些经验,方便后来者. 我会从安装部署.Request.selenium.自定义框架.jenkins集成docker运行五个方面来记录这些信息. 环境部署 Python3 我们的第一步就是安装Python3,安装方法可以自行搜索. venv 每个应用可能需要各自拥有一套"独立"的Python运行环境.venv就是用来为一个应用创建一套"隔离"的Pyth

1 简介 pipenv是requests作者的一个项目,整合了virtualenv.pip.pipfile, 用于更方便地为项目建立虚拟环境并管理虚拟环境中的第三方模块.不需要再分别使用pip和virtualenv,直接使用pipenv即可.它使用Pipfile和Pipfile.lock 取代了requirements.txt. 2 安装pipenv 2.1 打开开始菜单中的命令提示符,输入以下命令进行安装: pip install pipenv 或者 python3 -m pip instal

1 问题描述 当M个项目需要N个版本的python环境配置时(M>N)时,我们没有必要对每个项目都创建一个虚拟环境,只需要创建N个虚拟环境即可.这样节省了大量存储空间(特别是当M远大于N时).但要怎么进行创建这N个环境并对这些环境进行管理呢? 2 问题解决思路 通过三方包virtualenvwrapper-win来解决.virtualenvwrapper-win是一个基于virtualenv开发的工具包.它可以将分散在各个路径下的虚拟环境,集中到统一的路径下进行管理,方便各个虚拟环境之间的切换.

环境win10家庭版64位 + python 3.5 + Django 1.8.2 1.创建virtualenv目录 开始/运行/cmd回车,进入cmd窗口,到自己指定的目录下创建virtualenv目录D:\python\django_project>mkdir mysiteD:\python\django_project>cd mysite 2.安装virtualenv 这里使用pip进行安装 D:\python\django_project\mysite>pip install v

1 问题 当我们拥有两个甚至多个项目A.B.C......,各个项目正常运行需求的python运行环境都不相同.而默认情况下,不管哪个项目,使用的都是全局的Python环境.上述情况,造成的问题就是,A.B.C等项目,只能运行一个;如果运行另一个,必须安装与之匹配的库版本. 2 解决思路 创建一个完全独立的局部python环境(或叫做虚拟环境).在此环境中,安装所有与某个项目相匹配库即可.总之,一个项目,使用一个虚拟环境:互相之间,没有干扰. 3  具体解决步骤 3.1  安装第三方包virtu

0 - 步骤 安装visualcppbuildtools_full.exe(链接:https://blog.csdn.net/u012247418/article/details/82314129) 重启电脑,在开始菜单中打开"Visual C++ 2015 x64 Native Build Tools Command Prompt"命令行 命令行中键入"activate env_name"激活虚拟环境(env_name为虚拟环境名称) 命令行中键入"pi

前提win10上已经安装了Python环境! virtualenv库的使用: 安装 如果win10上同时安装了Python2和python3的安装virtualenv时用; Python2:pip install virtualenv Python3: pip install virtualenv 如果win10上只是安装有其中一个环境,那么就只需要用: pip install virtualenv 2.创建虚拟环境(在合适的目录下创建虚拟环境) 3.进入刚刚创建的虚拟环境中 在刚才创建虚拟环境

前面介绍了python在ubuntu16.04环境下,python的虚拟环境virtualenv的安装,下面介绍在windows环境下的安装和使用. 环境信息 操作系统:windows10 python版本:3.6.3 安装 下载安装python3.6.3 进入官网:https://www.python.org/downloads(windows) 选择:Windows x86-64 web-based installer Windows x86-64 web-based installer #

引言 越来越多的的人入坑机器学习,深度学习,tensorflow 作为目前十分流行又强大的一个框架,自然会有越来越多的新人(我也刚入门)准备使用,一般装的都是 CPU 版的 tensorflow,然而使用 GPU 跑 tensorflow,速度可以快上好几倍.正好前段时间看到了使用小米pro(我目前使用的笔记本,感觉贼好用(我没有在推销))配置 gpu 的教程,就试了试,最后成功了. 环境 操作系统:Windows10 配置:Tensorflow 1.12 + CUDA 9.0 +cuDNN v

1. 安装, python3 安装好后,在cmd中运行 pip install robotframework # Install the latest version (does not upgrade) pip install robotframework # Upgrade to the latest version pip install --upgrade robotframework # Install a specific version pip install robotframe

windows10+Python3.6+Anaconda3+tensorflow1.10.0# Anaconda3安装自行下载安装,之后dos或Anaconda Prompt终端查看Anaconda3版本(base) C:\Users\jiangshan>conda -Vconda 4.6.8windows10下使用Anaconda3安装tensorflow1.10.0# TenssorFlow目前还不支持Python 3.7,使用Anaconda3创建Python 3.6虚拟环境# 创建基于p

最近在Windows10上安装了caffe和tensorflow,折腾了好久.在此记录一下. 安装caffe的过程已在另一篇博客中进行了记录,在此不再赘述.而tensorflow也是非常简单的,也不再详细说明. 安装caffe和tensorflow比较重要的一点是,要确保把依赖正确安装好.GPU版本的caffe需要7+版本的CUDA和5.5/5.0的CUDNN.而GPU版本的tensorflow在1.5.0以上的版本则需要CUDA9和CUDNN7.两个框架对CUDA和CUDNN的不同要求造成了小

个人记录,且为Windows10系统,仅供参考. 一. 准备 1. Github:安装git.注册github.将Robotframework代码更新到github. 2. Jenkins安装,并安装插件 1)插件Git Client Plugin.GIT plugin.GitHub API Plugin.GitHub plugin: (即git.hpi.github.hpi.git-client.hpi.robot.hpi) 我安装了一个GIT plugin,基本其他插件自动就全部都装好了,大

注:示例系统环境:Windows10 64位 + Anaconda3: 昨天安装TVTK库遇到些麻烦,当时随便将库下到个文件夹安装后(没找到VENV文件夹...), 进行测试:from tvtk.tools import tvtk_doc 结果显示No module named 'traits.api'   如下图所示: 进行其他测试也同样有类似问题... 解决方法:使用PyCharm创建虚拟环境的方法: 1.打开Project Interpreters页面:文件(file)——>设置(sett

预装Windows10 64位家庭版电脑一台 2019年7月 安装Python,这里的版本选择上有个坑,不要装最新的Python 3.7.x,原因是odoo12依赖pillow 4.0.0库,而这个4.0.0版本的pillow库在python 3.7.x下安装会报Zlib找不到的错. 移步https://www.python.org/downloads/windows/ 下载 Python 3.6.8 Windows x86-64 executable installer 安装 安装Postgr

参考链接 1. 找到合适自己的版本,下载安装Anaconda 点击跳转下载安装 Anaconda,双击下载好的 .exe 文件安装,只勾选第一个把 conda 添加到 PATH 路径.

注意!注意!!注意!!! (重要的事情说三遍) 安装前检查: 1.Tensorflow不支持Anaconda2,Tensorflow也不支持python2.7和python3.7(满满的辛酸泪!) 2.Tensorflow版本和Keras版本越高越好,避免各种Bug 安装过程出现的Bug: 1.报错提示:"from pip._internal.main import main ModuleNotFoundError: No module named 'pip._internal.main&quo

目录 环境准备 一.开始安装解释器(安装很简单,直接上图) 二.配置pip工具下载源 安装虚拟环境 环境准备 1.Windows系统,本人是 Windows10专业版 2.python解释器安装包,本人是 python-3.7.4-amd64.exe 安装包可到官网下载:https://www.python.org/downloads/windows/ 一.开始安装解释器(安装很简单,直接上图) 一.1. 在cmd窗口中检查pip和解释器是否安装成功 一.2. 如果提示"不是内部或外部命令,也不

一.前言 Robot Framework作为公司能快速落地实现UI自动化测试的一款框架,同时也非常适合刚入门自动化测试的朋友们去快速学习自动化,笔者计划通过从搭建逐步到完成自动化测试的过程来整体描述它的使用. Robot Framework是一个通用的验收测试和验收测试驱动开发(ATDD)的自动化测试框架.它具有易于使用的表格测试数据语法,它采用了关键字驱动的测试方法.其检测能力可以通过测试库实现Python或Java扩展,用户可以使用相同的语法,用于创建测试用例的创建新的更高层次的关键词. R

2020/5/29 在 windows10 上面安装 CUDA 和 cuDNN 0.简单了解一下 CUDA 和 cuDNN 1)什么是 CUDA CUDA(ComputeUnified Device Architecture),是显卡厂商NVIDIA推出的运算平台. CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题. 2)什么是cuDNN NVIDIA cuDNN是用于深度神经网络的GPU加速库.它强调性能.易用性和低内存开销.NVIDIA cuDNN可以

那些最全面的Windows10安装pytorch踩过的坑以及如何应用 一.pytorch简介 2017年1月,由Facebook人工智能研究院(FAIR)基于Torch推出了PyTorch.它是一个基于Python的可续计算包,提供两个高级功能:1.具有强大的GPU加速的张量计算(如NumPy).2.包含自动求导系统的深度神经网络. 深度学习的框架有很多,诸如选择哪个深度学习的框架,哪个框架好这类的问题很多,这里引用知乎的回答 PyTorch到底好用在哪里? PyTorch更有利于研究人员.爱好