# -*- coding: utf-8 -*-
# Author: xurongzhong#126.com wechat:pythontesting qq:37391319
# 技术支持 (可以加钉钉pythontesting邀请加入)
# qq群：144081101 591302926 567351477
# CreateDate: 2018-11-17
import imutils
import cv2
# 读取图片信息
image = cv2.imread("jp.png")
(h, w, d) = image.shape
print("width={}, height={}, depth={}".format(w, h, d))
# 显示图片
cv2.imshow("Image", image)
cv2.waitKey(0 …使用OpenCV提供的预先训练的深度学习面部检测器模型，可快速，准确的进行人脸识别。
2017年8月OpenCV 3.3正式发布，带来了高改进的“深度神经网络”(dnn deep neural networks)模块。该模块支持许多深度学习框架，包括Caffe，TensorFlow和Torch / PyTorch。
基于Caffe的面部检测器在这里。
需要两组文件：
权重文件不包含在OpenCV示例目录。
# 模型下载：https://itbooks.pipipan.com/fs/18113597-320346529
# 代码存放：https://github.com/china-testing/python-api-tesing/tree/master/opencv_crash_deep_learning
# 技术支持qq群144081101(代码和模型存放）
# USAGE
# python detect_faces.py --image rooster …本文最新更新体现在pdf文档：接口测试面试题.pdf
API是(Application Programming Interface)首字母缩略词，即应用程序编程接口。 API是一组用于构建软件应用程序的规程，协议和工具。API充当软件应用程序之间的接口，并允许两个软件应用程序相互通信。 API是一组软件功能，可以由其他软件执行。
API测试是一种软件测试，涉及直接测试API，也是集成测试的一部分，用于检查API是否满足应用程序的功能，可靠性，性能和安全性方面的期望。在API测试中，我们主要关注软件架构的业务逻辑层。可以在包含多个API的任何软件系统上执行API测试。
API测试通常涉及以下实践：
Web服务：
移动设备的功能测试通常包括测试用户交互以及测试场景。与功能测试相关的各种因素是
最基本的测试场景：
《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。
《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员
https://github.com/jakevdp/PythonDataScienceHandbook 近12000+ 星
Python的for语句针对序列(列表或字符串等)中的子项进行循环，按它们在序列中的顺序来进行迭代。
>>> # Measure some strings:
... words = ['cat', 'window', 'defenestrate']
>>> for w in words:
... print(w, len(w))
...
cat 3
window 6
defenestrate 12
在迭代过程中修改迭代序列不安全，可能导致部分元素重复两次，建议先拷贝:
>>> for w in words[:]: # Loop over a slice copy of the entire list.
... if len(w) > 6:
... words …>>> # Fibonacci series:
... # the sum of two elements defines the next
... a, b = 0, 1
>>> while b < 10:
... print(b)
... a, b = b, a+b
...
1
1
2
3
5
8
本例的新特性。
第一行和最后一行有多赋值：第一行变量a和b同时获得了新的值0和1。最后一行右边首先完成计算，右边的表达式从左到右计算。
条件(b < 10)为true时while循环执行。这里Python类似C ，任何非零整数都为true；0为 …
本章内容比较多，除了代码部分，其他内容可以后面回头再看。
Python是一门简单易学，功能强大的编程语言。它具有高效的高层次数据结构，简单但有效的方式支持面向对象编程，语法优雅，动态类型，解释执行。使之成为多数平台上很多领域的脚本和快速应用开发的理想语言。它的设计理念强调代码的可读性, 跟C ++或Java等语言比可以用更少的代码实现同样的概念。Python能清晰地实现小型和大型程序。
Python解释器及其丰富的标准库的源码或者二进制版本可以从http://www.python.org/免费获取和转发。该还包含很多免费的第三方Python模块、程序、工具的发布链接及附加文档。
Python的解释器很容易用C或C++(或其他c可以调用的语言)扩展新功能和数据类型。 Python也适用于作为定制应用的扩展语言。
Python支持多种编程范式，包括面向对象的，命令式和函数式或过程式编程风格。它具有动态类型系统和自动内存管理和拥有庞大而全面的标准库
Python虚拟机本身几乎可以在所有的作业系统中运行。使用一些诸如py2exe、PyPy、PyInstaller之类的工具可以将Python源代码转换成可以脱离Python解释器运行的程序。
Python的官方解释器是CPython，该解释器用C语言编写，是一个由社区驱动的自由软件，目前由Python软件基金会管理。
本教程向读者通俗地介绍Python语言和系统的基本概念和特点。配合Python解释器边学边练最佳，所有例子已经自包含在教程中，也可离线阅读。
标准对象和模块参见 …
read more机器学习是一个系统，可以通过自我改进从实例中学习，而不需要程序员明确编码。机器学习将数据与统计工具相结合以预测输出。机器学习与数据挖掘和贝叶斯预测建模密切相关。机器接收数据作为输入，使用算法来制定答案。
典型的机器学习任务是提供推荐。对于拥有Netflix帐户的用户，所有电影或系列推荐都基于用户的历史数据。科技公司正在使用无监督学习来改善个性化推荐的用户体验。
机器学习还用于各种任务，如欺诈检测，预测维护，投资组合优化，自动化任务等。
在传统的编程中，程序员在与正在开发软件的行业专家协商时编写所有规则。每条规则都基于逻辑，机器将按逻辑语句执行输出。当系统变得复杂时，需要编写更多规则，很难维护。
机器学习输入和输出提炼规则。每当有新数据时，算法根据新数据和经验进行调整，以提高效率。
机器学习的方式与人类相似，从经验中学习。机器学习的核心目标是学习和推理。首先，机器通过发现模式来学习。这一发现归功于数据。数据科学家的一个关键部分是仔细选择要为机器提供哪些数据。用于解决问题的属性列表称为特征向量。您可以将特征向量视为用于解决问题的数据子集。
机器使用一些奇特的算法来简化现实并将此发现转换为模型。因此，学习阶段用于描述数据并将其概括为模型。
例如，机器试图了解个人工资与去高档餐馆的可能性之间的关系。事实证明，工资与去高端餐厅之间为正比：这就是模型。
构建模型时 …
read more