pytest-mpl 项目使用教程
2025-04-21 14:17:26作者:柯茵沙
1. 项目的目录结构及介绍
pytest-mpl 项目是一个用于 Matplotlib 图像比较的 pytest 插件。以下是项目的目录结构及文件介绍:
pytest-mpl/
├── .github/ # GitHub 工作流和配置文件
├── docs/ # 文档源文件
├── pytest_mpl/ # pytest-mpl 插件的核心代码
│ ├── __init__.py
│ ├── plugins.py
│ └── tolerance.py
├── tests/ # 测试用例和测试数据
│ ├── __init__.py
│ ├── test compare.py
│ ├── test generate.py
│ └── ... # 其他测试文件
├── .gitignore # Git 忽略文件
├── .pre-commit-config.yaml # pre-commit 配置文件
├── .readthedocs.yaml # Read the Docs 配置文件
├── CHANGES.md # 更改记录
├── LICENSE # 许可证文件
├── MANIFEST.in # 打包包含文件
├── README.rst # 项目说明文件
├── RELEASING.md # 发布指南
├── pyproject.toml # 项目配置文件
├── setup.cfg # 设置配置文件
├── setup.py # 设置文件
└── tox.ini # tox 测试配置文件
.github/: 包含 GitHub Actions 工作流文件,用于自动化测试、构建和发布等。docs/: 包含项目的文档源文件,通常使用 Sphinx 或 MkDocs 等工具生成 HTML 文档。pytest_mpl/: 包含 pytest-mpl 插件的核心代码和模块。tests/: 包含用于验证 pytest-mpl 功能的测试用例和测试数据。.gitignore: 指定 Git 忽略的文件和目录。.pre-commit-config.yaml: 配置 pre-commit 工具,用于在提交代码前执行一些格式化任务。.readthedocs.yaml: 配置 Read the Docs,用于在线托管文档。CHANGES.md: 记录了项目的更改历史。LICENSE: 包含项目的许可证信息。MANIFEST.in: 指定打包时包含的文件和目录。README.rst: 项目的主要说明文件,包含了项目的介绍和基本使用方法。RELEASING.md: 包含了发布新版本项目的指南。pyproject.toml: 包含了项目的元数据和构建系统配置。setup.cfg: 包含了安装、打包和测试等配置。setup.py: 用于安装和打包项目的脚本。tox.ini: 配置 tox 工具,用于自动化测试。
2. 项目的启动文件介绍
pytest-mpl 插件的启动主要是通过在测试文件中使用 pytest 命令来触发的。以下是启动项目的基本步骤:
-
安装 pytest-mpl 插件:
pip install pytest-mpl -
编写包含图像比较测试的测试函数,并使用
@pytest.mark.mpl_image_compare装饰器标记这些测试函数。 -
运行测试并生成参考图像:
pytest --mpl-generate-path=baseline -
运行测试并比较生成的图像与参考图像:
pytest --mpl -
如果需要,可以生成图像比较结果的 HTML 汇总:
pytest --mpl-generate-summary=html
3. 项目的配置文件介绍
pytest-mpl 插件的配置主要通过以下文件进行:
-
.pre-commit-config.yaml: 用于配置 pre-commit 工具,它会在提交代码前自动执行指定的钩子,例如代码格式化、静态分析等。 -
.readthedocs.yaml: 用于配置 Read the Docs 服务,它允许你将项目的文档托管在 Read the Docs 上,并自动构建和发布文档。 -
pyproject.toml: 用于定义项目的元数据和构建系统配置,它也被用来配置构建工具如 pip 和 build。 -
setup.cfg: 用于配置打包和安装过程,它包括项目信息和命令行选项。 -
tox.ini: 用于配置 tox 测试工具,它可以帮助你在多个 Python 环境中运行测试。
通过修改这些配置文件,你可以根据项目的需要和开发流程来自定义 pytest-mpl 插件的行为。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218