推荐
专栏
教程
课程
飞鹅
本次共找到2180条
编程技巧
相关的信息
Python进阶者
•
4年前
手机自动化测试IDE-----Airtest基本操作方法
大家好,我是IT共享者,人称皮皮。这篇我们来讲讲手机自动化测试IDEAirtest。前言前面我们讲到了Airtest的界面和安装技巧,今天我们就来说说Airtest的具体操作方法吧,让我们轻松实现软件自动化,真正解放我们的双手吧。一、基本API介绍我们在做自动化脚本的时候,每个生成的脚本文件会给我们自动生成一些代码,如图:这里所导入的模块其实就是跨平台的
Irene181
•
4年前
手把手教你进行Pycharm活动模板配置
嘿,小伙伴们,大家好,我是李哥,人称嘴强王者。今天给大家秀点活动模板配置的操作,一起来看看趴!/1前言/最近后台很多小伙伴加小编微信,说是想使用Pycharm,除了简单的安装Pycharm和设置Pycharm解释器之外,,,有个活动模板配置,小编觉得也还是蛮重要的,这里整理出来给大家学习。如果想学习一些Pycharm的使用技巧,在后台的精选文章栏目里边有专
Jacquelyn38
•
4年前
从开发一款基于Vue技术栈的全栈热重载生产环境脚手架,我学到了什么?
浏览文章前这一期,我分享给大家三点看源码的小技巧,这也是从别的大佬那总结的。被反复使用的代码这样的代码是一个软件的重点函数,一个大神的写法有很多精华值得学习。穿越时间的代码如果一段代码10年甚至15年,都还在使用。说明它的设计思想一定很棒。好调试的代码一个程序的代码很容易就调试成功,说明作
peter
•
4年前
滴滴:如何提高代码的可读性,以 Go 为例!
本文整理自taowen师傅在滴滴内部的分享。1.Why对一线开发人员来说,每天工作内容大多是在已有项目的基础上继续堆代码。当项目实在堆不动时就需要寻找收益来重构代码。既然我们的大多数时间都花在坐在显示器前读写代码这件事上,那可读性不好的代码都是在谋杀自己or同事的生命,所以不如一开始就提炼技巧,努力写好代码。2.How
徐小夕
•
4年前
《精通react/vue组件设计》之配合React Portals实现一个功能强大的抽屉(Drawer)组件
前言本文是笔者写组件设计的第六篇文章,内容依次从易到难,今天会用到react的高级APIReactPortals,它也是很多复杂组件必用的方法之一.通过组件的设计过程,大家会接触到一个完成健壮的组件设计思路和方法,也能在实现组件的过程逐渐对react/vue的高级知识和技巧有更深的理解和掌握,并且在企业实际工作做游刃有余.之所以会写组件设计相关
Aidan075
•
4年前
将偷懒进行到底,实现双击直接打开.ipynb文件
大家好,我是小五🐶上次给大家分享了一个小技巧,实现了。那个方法最后精简为只需要输入几个字母,但是还不够偷懒!今天带大家实现双击即可打开.ipynb文件!下面我们只需要简单的设置,即可实现该需求。设置方法第一步我们先找到桌面上jupyternotebook它的快捷方式,依次【右键】点击【属性】选择【目标】。如果桌面没有快捷方式,可以从开始菜单栏直接拖
Stella981
•
3年前
OpenGL——折线图柱状图饼图绘制
折线图绘制代码:include<iostream//旧版本固定管线include<Windows.hinclude<GL/glut.h//新版本可编程管线/defineGLEW_STATICinclude<GL/glew.hinclud
Stella981
•
3年前
Dubbo的设计理念原来就藏在这三张图中
Dubbo在众多的微服务框架中脱颖而出,占据RPC服务框架的半壁江山,非常具有普适性,熟练掌握Dubbo的应用技巧后深刻理解其内部实现原理,让大家能更好的掌控工作,助力职场,特别能让大家在面试中脱颖而出。那Dubbo内部的设计理念,实现原理是什么呢?本文将结合官方提供的3张图,从如下三个方面介绍其内部的核心实现、以及如何指导实践。1、服务注册与
helloworld_54277843
•
3年前
机器学习基础
本章涵盖了以下主题:分类和回归之外的其他类型的问题;评估问题,理解过拟合、欠拟合,以及解决这些问题的技巧;为深度学习准备数据。请记住,在本章中讨论的大多数技术都是机器学习和深度学习通用的,一部分用于解决过拟合问题的技术(如dropout)除外。4.1 三类机器学习问题在之前的所有例子中,尝试解决的是分类(预测猫或狗)或回归(预测用户在平台上花费的平均时
helloworld_91538976
•
3年前
机器学习基础
机器学习基础本章涵盖了以下主题:分类和回归之外的其他类型的问题;评估问题,理解过拟合、欠拟合,以及解决这些问题的技巧;为深度学习准备数据。请记住,在本章中讨论的大多数技术都是机器学习和深度学习通用的,一部分用于解决过拟合问题的技术(如dropout)除外。4.1 三类机器学习问题在之前的所有例子中,尝试解决的是分类(预测猫或狗)或回归(预测用户在平台上
1
•••
97
98
99
•••
218