data-testing-tutorial 项目使用指南
2024-10-10 16:32:08作者:庞队千Virginia
1. 项目的目录结构及介绍
data-testing-tutorial/
├── data/
├── docs/
├── .gitignore
├── 1-introduction.ipynb
├── 2-pytest-introduction.ipynb
├── 3-data-checks.ipynb
├── LICENSE
├── Makefile
├── README.md
├── bonus-1-test-coverage.ipynb
├── bonus-2-property-based-testing.ipynb
├── bonus-3-file-integrity.ipynb
├── bonus-4-projects.ipynb
├── checkenv.py
├── conda-setup.sh
├── corrupt-data-changes.md
├── datafuncs_soln.py
├── environment.yml
├── feedback-20170513.md
├── makedocs.py
├── record_file_hash_soln.py
├── requirements.txt
├── syllabus.md
├── test_datafuncs_soln.py
├── update_env.sh
└── venv-setup.sh
目录结构介绍
- data/: 存放项目所需的数据文件。
- docs/: 存放项目的静态HTML文档。
- .gitignore: Git忽略文件配置。
- 1-introduction.ipynb: 项目介绍的Jupyter Notebook文件。
- 2-pytest-introduction.ipynb: 关于pytest的介绍和使用教程。
- 3-data-checks.ipynb: 数据检查的教程。
- LICENSE: 项目许可证文件。
- Makefile: 项目构建文件。
- README.md: 项目说明文件。
- bonus-1-test-coverage.ipynb: 测试覆盖率的教程。
- bonus-2-property-based-testing.ipynb: 基于属性的测试教程。
- bonus-3-file-integrity.ipynb: 文件完整性检查的教程。
- bonus-4-projects.ipynb: 项目实践教程。
- checkenv.py: 环境检查脚本。
- conda-setup.sh: Conda环境设置脚本。
- corrupt-data-changes.md: 数据损坏变化的说明文件。
- datafuncs_soln.py: 数据处理函数的解决方案。
- environment.yml: Conda环境配置文件。
- feedback-20170513.md: 用户反馈文件。
- makedocs.py: 生成文档的脚本。
- record_file_hash_soln.py: 记录文件哈希的解决方案。
- requirements.txt: 项目依赖文件。
- syllabus.md: 项目大纲文件。
- test_datafuncs_soln.py: 测试数据处理函数的脚本。
- update_env.sh: 更新环境的脚本。
- venv-setup.sh: 虚拟环境设置脚本。
2. 项目的启动文件介绍
项目的启动文件主要是Jupyter Notebook文件,建议按照以下顺序进行学习:
- 1-introduction.ipynb: 项目介绍。
- 2-pytest-introduction.ipynb: pytest的介绍和使用。
- 3-data-checks.ipynb: 数据检查的教程。
3. 项目的配置文件介绍
- environment.yml: 用于配置Conda环境的文件,包含了项目所需的所有依赖包。
- requirements.txt: 用于配置pip环境的文件,包含了项目所需的所有依赖包。
- Makefile: 项目构建文件,包含了项目的构建命令。
- conda-setup.sh: 用于设置Conda环境的脚本。
- venv-setup.sh: 用于设置虚拟环境的脚本。
- checkenv.py: 用于检查环境是否正确配置的脚本。
通过以上配置文件和启动文件,用户可以快速搭建项目环境并开始学习数据测试的相关知识。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
1.07 K
557