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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210