Sniffer 项目技术文档
2024-12-20 20:24:17作者:房伟宁
1. 安装指南
1.1 安装 Sniffer
要安装 sniffer,请在终端中运行以下命令:
pip install sniffer
1.2 安装依赖库
根据你的操作系统,安装相应的文件系统监控库以提高性能:
-
Linux: 安装
pyinotifypip install pyinotify -
Windows: 安装
pywin32pip install pywin32 -
Mac OS X 10.5+: 安装
MacFSEventspip install MacFSEvents
1.3 可选依赖库
如果你需要额外的通知支持,可以安装以下库:
-
Growl 支持 (Mac OS X): 安装
gntppip install gntp -
原生 OS X 通知 (Mac OS X 10.9.4+): 安装
osxnotify和libosxnotifypip install osxnotify pip install libosxnotify -
LibNotify 支持 (Linux): 安装
py-notifypip install py-notify
2. 项目的使用说明
2.1 基本使用
安装完成后,在项目目录中运行以下命令:
sniffer
sniffer 会自动检测代码变化并重新运行测试。你可以使用 sniffer --help 查看所有可用选项。
2.2 传递 Nose 参数
你可以通过 -x 前缀传递 Nose 参数,例如:
sniffer -x--with-doctest
2.3 高级用法
如果你不想使用 Nose,可以在当前工作目录中创建一个 scent.py 文件,自定义 sniffer 的行为。例如:
from sniffer.api import *
import os, termstyle
pass_fg_color = termstyle.green
pass_bg_color = termstyle.bg_default
fail_fg_color = termstyle.red
fail_bg_color = termstyle.bg_default
watch_paths = ['.', 'tests/']
@file_validator
def py_files(filename):
return filename.endswith('.py') and not os.path.basename(filename).startswith('.')
@runnable
def execute_nose(*args):
import nose
return nose.run(argv=list(args))
3. 项目API使用文档
3.1 API 概述
sniffer 提供了一个小型的 API,允许用户自定义文件验证和测试执行。主要 API 包括:
file_validator: 用于定义文件验证函数,决定哪些文件变化会触发测试。runnable: 用于定义测试执行函数,决定如何运行测试。select_runnable: 用于选择特定的runnable函数。
3.2 示例
以下是一个使用 file_validator 和 runnable 的示例:
@file_validator
def py_files(filename):
return filename.endswith('.py') and not os.path.basename(filename).startswith('.')
@runnable
def execute_nose(*args):
import nose
return nose.run(argv=list(args))
4. 项目安装方式
4.1 通过 pip 安装
最简单的安装方式是通过 pip 安装:
pip install sniffer
4.2 手动安装
你也可以从 GitHub 下载源码并手动安装:
git clone https://github.com/jeffh/sniffer.git
cd sniffer
python setup.py install
4.3 依赖库安装
根据你的操作系统,安装相应的依赖库以提高性能。
通过以上步骤,你应该能够顺利安装并使用 sniffer 项目。如果在使用过程中遇到问题,可以参考项目的 GitHub Wiki 或提交 Issue。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0176
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0100
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
750
4.9 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
842
1.85 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
641
1.28 K
Ascend Extension for PyTorch
Python
693
841
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
452
424
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++
1.02 K
1.05 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.61 K
176
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
964
567
昇腾LLM分布式训练框架
Python
174
214
暂无简介
Dart
1 K
253