软件的性能是软件质量的重要考察点，不论是在线服务程序还是离线程序，甚至是终端应用，性能都是用户体验的关键。这里说的性能重大的范畴来讲包括了性能和稳定性两个方面，我们在做软件测试的时候也是要重点测试版本的性能表现和稳定性的。对于软件测试过程中发现的性能问题，如何定位有很多的方法。基本的方法可能是开发者对代码进行review，或者是使用一些工具对代码进行性能分析。常见的性能分析工具有哪些呢？以下两篇文章做了详细的总结：
gprof是可用于Linux C++代码性能分析工具之一。
继续阅读Linux C++程序进行性能分析工具gprof使用入门
Ubuntu 16.04下使用GCC5,CUDA 7.5编译Caffe时候报告如下错误：
|
1 |
/usr/lib/gcc/x86_64-linux-gnu/5/include/mwaitxintrin.h(42): error: identifier "__builtin_ia32_mwaitx" is undefined |
目前比较好的解决方法是在编译的时候增加_MWAITXINTRIN_H_INCLUDED宏。
如果使用cmake来编译代码，则只需要在CMakeLists.txt中增加如下语句即可
|
1 |
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -D_MWAITXINTRIN_H_INCLUDED") |
skipfish是Google的工程师MIchal Zalewski开发的一款网站安全检测工具，它完全实现了全自动化操作，不需要人工干预.
在Ubuntu 16.04上使用skipfish是比较简单的，使用如下命令安装
|
1 |
$ sudo apt-get install skipfish |
网站检测命令如下：
|
1 |
$ skipfish -o output_folder http://www.example.com |
其中output_folder是检测结果的输出目录，扫描结束后可打开index.html查看扫描结果。
最近，物体识别已经成为计算机视觉和AI最令人激动的领域之一。即时地识别出场景中所有的物体的能力似乎已经不再是秘密。随着卷积神经网络架构的发展，以及大型训练数据集和高级计算技术的支持，计算机现在可以在某些特定设置（例如人脸识别）的任务中超越人类的识别能力。
|
1 |
$ git clone https://github.com/opencv/opencv.git |
|
1 2 3 4 |
$ sudo apt-get install -y cmake #借助系统自带的opencv简化依赖安装步骤 $ sudo apt-get install -y libopencv-dev |
|
1 2 3 4 5 6 7 8 9 |
$ cd opencv $ mkdir build $ cd build $ cmake .. $ make -j 10 |
|
1 |
$ sudo make install |
如果执行cmake时候出现如下错误信息
|
1 2 3 4 5 6 7 8 9 10 |
CMake Error at CMakeLists.txt:11 (message): FATAL: In-source builds are not allowed. You should create separate directory for build files. -- Configuring incomplete, errors occurred! |
则应该是在代码根目录下直接执行过cmake，导致根目录下生成了CMakeCache.txt，需要删除CMakeCache.txt再次执行编译即可。
|
1 2 |
pil_image = PIL.Image.open('image.jpg') cv_image = cv2.cvtColor(numpy.asarray(pil_image), cv2.COLOR_RGB2BGR) |
目前为止发现的性能最好，效果最好的人脸探测以及对齐的论文就是MTCNN了。
完整论文如下
继续阅读Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
在github上如果看到有很不错的项目和作品，一般我们可以进行三种操作：那就是watch, star和fork.
在github上fork出一些感觉比较好的项目，已经做了部分修改，由于某些原因，无法通过pull request合并到原作者的分支，但是想把原项目的最近更新代码合并进来，可以通过git fetch原始项目到本地，通过git merge的进行代码合并。
以fork出来的pyseeta项目为例
|
1 |
$ git checkout https://github.com/wangqiang1588/pyseeta.git |
|
1 |
$ git remote add upstream https://github.com/TuXiaokang/pyseeta.git |
|
1 |
$ git fetch upstream |
|
1 |
$ git checkout master |
|
1 |
$ git merge upstream/master |
|
1 |
$ git commit -m "merge ......." |
|
1 |
$ git push |
执行如下Python脚本时
|
1 2 3 4 5 6 7 8 9 10 11 |
import numpy as np dy = [0,1,2] edy = [0,1,2] dy[0:2] = np.fix(dy[0:2]) edy[0:2] = np.fix(edy[0:2]) box = [[1,2,3,4],[3,4,5,6]] box2 = box[dy[0]:edy[2]] |
会遇到错误信息
|
1 2 3 4 |
Traceback (most recent call last): File "test.py", line 11, in <module> box2 = box[dy[0]:edy[2]] TypeError: slice indices must be integers or None or have an __index__ method |
这个提示非常具有迷惑性，会让人不知所措。
其实非常简单
|
1 |
dy[0:2] = np.fix(dy[0:2]) |
这行导致整个数组变成了浮点数格式的数组，可以试着打印出结果，就会发现整个里面的数字完全变成了浮点数。
而浮点数是不可以用来作为数组的下标的。
修改成如下方式即可
|
1 2 3 4 5 6 7 8 9 10 11 |
import numpy as np dy = [0,1,2] edy = [0,1,2] dy[0:2] = np.fix(dy[0:2]) edy[0:2] = np.fix(edy[0:2]) box = [[1,2,3,4],[3,4,5,6]] box2 = box[int(dy[0]):int(edy[2])] |
请注意最后的
|
1 |
int() |
函数，强制转换浮点数为整数。