ios平台app测试用例模板

很实用的ios平台下的app测试用例模板。除了知道测试用例到底怎么写，也能能看出，测试分为install\unstall\search\interface\control等各个部分额，长达90多条。不只是随便写几条的简单示例

自动化用例设计说明及范例

自动化用例设计规则、方法，及示例。银行贷款的网站为例来说明如何设计自动化用例

linux学习资料

附件是压缩包，下载解压缩，内容有linux概述、linux安装、linux基本配置、桌面环境、用户和用户组管理、远程登录、服务器基础知识等

测试需求计划报告用例等模板

对于不会写测试需求计划 ，报告，用例的，或者想写的更好的人员来说，使用。文档给出范例，可用来参考

测试用例模板

不论格式划分还是内容写的比较好的测试用例模板。包含用例编号、测试点、检查点，步骤，结果等各种信息，下了就知道

LeNet-master

这是Lenet源代码实现，利用python实现的，可以阅读，运行，也可以自行移植到tensorflow去运行。可以很好的理解该算法的具体原理，比较有用处

LeNet-5神经网络——C源代码

LeNet-5神经网络 C源代码，这个写的比较好，可以用gcc编译去跑，结合理论可以对深度学习有更深刻的了解 介绍 根据YANN LECUN的论文《Gradient-based Learning Applied To Document Recognition》设计的LeNet-5神经网络，C语言写成，不依赖任何第三方库。 MNIST手写字符集初代训练识别率97%，多代训练识别率98%。 DEMO main.c文件为MNIST数据集的识别DEMO，直接编译即可运行，训练集60000张，测试集10000张。 项目环境 该项目为VISUAL STUDIO 2015项目，用VISUAL STUDIO 2015 UPDATE1及以上直接打开即可编译。采用ANSI C编写，因此源码无须修改即可在其它平台上编译。 如果因缺少openmp无法编译，请将lenet.c中的#include<omp.h>和#pragma omp parallel for删除掉即可。 API #####批量训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 inputs： 要训练的多个图片对应unsigned char二维数组的数组,指向的二维数组的batchSize倍大小内存空间指针。在MNIST测试DEMO中二维数组为28x28，每个二维数组数值分别为对应位置图像像素灰度值 resMat：结果向量矩阵 labels：要训练的多个图片分别对应的标签数组。大小为batchSize batchSize:批量训练输入图像（二维数组）的数量 void TrainBatch(LeNet5 *lenet, image *inputs, const char(*resMat)[OUTPUT],uint8 *labels, int batchSize); #####单个训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input： 要训练的图片对应二维数组 resMat：结果向量矩阵 label: 要训练的图片对应的标签 void Train(LeNet5 *lenet, image input, const char(*resMat)[OUTPUT],uint8 label); #####预测 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input: 输入的图像的数据 labels: 结果向量矩阵指针 count: 结果向量个数 return 返回值为预测的结果 int Predict(LeNet5 *lenet, image input, const char(*labels)[LAYER6], int count); #####初始化 lenet: LeNet5的权值的指针，LeNet5神经网络的核心

RedisDesktopManager源码安装资源

使用于linux系统桌面安装，不论你是做开发还是做测试，很方便直观的可以观察到redis的键值目录结构，并做一些相应操作，可免去手动输入redis命令的麻烦，节省时间提高效率

robotfraework源码

可下载安装，自己学习，代码包里已经有了目录非类。 Robot Framework is operating system and application independent. The core framework is implemented using Python, supports both Python 2 and Python 3, and runs also on Jython (JVM), IronPython (.NET) and PyPy. The framework has a rich ecosystem around it consisting of various generic test libraries and tools that are developed as separate projects. For more information about Robot Framework and the ecosystem