GoConvey是一个非常非常好用的Go测试框架，它直接与go test集成，提供了很多丰富的断言函数，能够在终端输出可读的彩色测试结果安装go get github.com/smartystreets/goconvey我们使用goconvey来为最开始的基础示例中的Split函数编写单元测试。Split函数如下：// split.gofunc Split(s, sep string) (resu

有些场景需要在cmd run测试case，写一个方法免去每次手动的操作，如果加上定时，还可以支持更多的场景，非常实用。代码如下：func runappota(wg *sync.WaitGroup) {cmd := exec.Command("bash")in := bytes.NewBuffer(nil)cmd.Stdin = in//绑定输入var out bytes.Buffercmd.Std

以前写接口测试的代码，用go自带的http库，当需要高并发的时候，报连接数不够的错误，无法满足要求，查阅相关资料，三方库fasthttp可以很好的支持高并发，原因是fasthttp使用了连接池，fasthttp.AcquireRequest()> AcquireResponse returns an empty Response instance from response pool.&gt

文章目录互斥锁读写锁互斥锁mutex的底层是通过atmoic原子操作来lock和unlocklock（）和unlock（）通过对资源枷锁解锁来避免争抢，同一时刻只能有一个goroutine对资源进行操作，等待的goroutine通过自旋和等待队列老获得锁读写锁当读的协程远远大于写的协程数，采用互斥锁不免影响性能，此时可采用读写锁有1000次的读和10次的写操作，在互斥锁的情况下的耗时1.4s将读的

二、Golang开发环境本文基于go version go1.14.2 linux/amd641.下载安装包Go官网下载地址：https://golang.org/dl/Go官方镜像站（推荐）：https://golang.google.cn/dl/根据自己系统，自行选择安装。如果是window系统 推荐下载可执行文件版,一路 Next这里以linux为例。复制tar包连接,然后下载cd /usr

算法

花了一个礼拜时间从零查资料学习了LeNet神经网络的基本架构，看各位大神的blog，都写的很好，以我一个入门的视角，怎样能更好的理解，整理出来供以后消化再深入先看模型图：上图包含输入层总共8层网络，分别为：输入层（INPUT）、卷积层（Convolutions,C1）、池化层（Subsampling，S2）、卷积层（C3）、池化层（Subsampling，S4）、卷积层（C5）、全连接层（F6）、

本文来源：新浪微博@李永乐老师https://weibo.com/ttarticle/p/show?id=2309404621504527597707#_0​上一回为大家介绍了人工智能的基本概念和算法，讲到了梯度下降法、神经网络、机器学习的基本概念，还没看过的小伙伴可以点击这里。人工智能有一个重要领域就是图像识别。比如：有许多软件可以通过拍照的方法识别出不同的物体。我用它去拍摄我家的狗，发现它不仅

读写缓存是在自动化测试中不可缺少的步骤，以我项目中的读写redis为例，总结下常用的操作连接：func openRdb() redis.Conn {c, err := redis.Dial("tcp", "××××××××××aliyuncs.com:6379")//network和数据库ipif err != nil {fmt.Println(err)return c}err = c.Send(

消息系统