人工智能在自动化测试中的一点小实践
楼主在自学完人工智(ruo)能(zhi)后，一直都没有在测试工作中找到可施展的地方。碰巧近再和360的同行交流后，灵光一闪，有了的文章。 背景 花椒相机是360发布的一款拍照APP，可以在照片中加入各种小插件来美化照片。尽管自动化可以搞定该APP拍照的大部分功能，但是对于加入插件后的照片是否正确却无法验证，只能通过保存到本地，进行人工检查。无法使自动化形成一个闭环，未能使自动化的价值大化。 可行性分析 既然可以拍照把照片保存到本地，当照片变多后，形成了大量的照片数据，这些照片完全可以再利用起来，用人工智能来玩。 工具选择 · Google出品的TensorFlow，说真的，楼主倒腾了两天TensorFlow，硬是没搞出个结果来，所以放弃了。 · Python机器学习包，Scikit-learn，超好用的机器学习包，一直都在用这个机器学习包。 工欲善其事必先利其器 这里简单的写下所需要的工具包的安装，如果安装的时候遇到了各种莫名其妙的报错问题，那么Google一下 楼主的Python版本是2.7，已经安装好pip，所以只要简单几步可以安装好运行Scikit-learn所需要的环境 安装Numpy $ sudo pip install numpy 安装Scipy $ sudo pip install scipy 安装Scikit-learn $ sudo pip install scikit-learn 安装PIL， 这个用来读取图片，到官网下载安装包到本地，切换到解压路径 $ sudo python setup.py install 注意： 有可能还要安装JPEG的包，这个取决于本机是否已经安装，未安装的可以参考网上教程 其他 · 训练数据以及测试数据，这里楼主自拍了7种不同插件的照片共计136张，测试数据5种共计5张 · 对于机器学习来说，数据是越多越好越多越好，更多的数据会让你的模型效果更佳 ：） 你仅仅需要一点点机器学习的基础知识，以及Python基础知识。 那我们从这里开始进入正文 因为楼主的目的是要对图片进行多分类，因为楼主的数据里面已经有X -> Y了，所以这是一种有监督学习。 首先我们要确定的是用什么算法来训练数据，这里楼主主要试验了两种算法： 1、KNN 使用KNN的时候，因为数据样本不够多，正确率大概在60%左右，不是太可观的结果。 2、SVM 对于，支持向量机，也使用了两种算法 · SVC："one-against-one"策略 · LinearSVC："one-vs-the-rest"策略 代码如下： import Image import numpy as np import os from sklearn import svm def getTrainClass(category): if category == 'Train': classes = {0， 1， 2， 3， 4， 5， 6， 7} else: classes = {0， 1， 2， 5， 7} return classes def getImageData(path，classes): ImageList = [] LabelList = [] for name in classes: class_path = cwd + path + "/" + str(name) + "/" for image_name in os.listdir(class_path): image_path = class_path + image_name if 'JPG' in image_path: img = Image.open(image_path) ImageList.append(np.asarray(img).flatten()) LabelList.append(name) return ImageList， LabelList cwd = '/home/hadoop/Pictures/pic1/' TrClasses = getTrainClass('Train') tr_img， tr_label = getImageData('Train'，TrClasses) #加载训练数据 tstClass = getTrainClass('Validation') tst_img， tst_label = getImageData('Validation'，tstClass) #加载测试数据 svcClf = svm.LinearSVC() #直接使用默认参数好了 svcClf.fit(tr_img，tr_label) Z = svcClf.predict(tst_img) result = (1 - np.sum(Z==tst_label)/float(len(tst_img))) print " the total error rate is: %f" %result 使用LinearSVC训练数据的时候，效率稍微有点低，比直接使用SVC低，但是别人正确率高呀 结果如下：
剩下要做的是是固化了，然后可以直接调用了。 写在后的话 这是时下很火热的人工智(RUO)能(ZHI)在测试中的一种应用，相信在测试工作中，还有很多地方可以使用人工智(RUO)能(ZHI)来提高咱们的工作效率。
