基于Docker + Locust的数据持久化性能测试系统

在这里插入图片描述

前几天给大家分享了如何使用Locust进行性能测试，但是在实际使用中会发现存在压测的结果无法保存的问题，比如在分布式部署情况下进行压测，每轮压测完成需要释放资源删除容器重新部署后，这段时间的压测结果就都丢失了，如果想要对比多次压测的结果，就需要在每轮压测完成后手动记录，非常不方便，而且Locust在压测过程中对于一些指标的展示也过于简单，不利于我们对测试结果的分析，接下来跟大家分享使用Locust + Prometheus实现数据持久化，并且用Grafana创建性能测试仪表，希望能给大家的测试工作带来帮助。

关于Docker，在本文中就不做介绍了，之前给大家分享过一篇关于Docker介绍与安装的文章：
Docker在Windows与CentOS上的安装

Prometheus用途：

Prometheus是一个开源的监控和警报工具，用于收集、存储和查询各种类型的时间序列数据。它可以监控服务器、应用程序和网络服务的性能指标，以便管理员能够及时发现问题并采取相应的措施。Prometheus系统还可以通过配置警报规则来实时监测系统的状态，并在发现异常情况时发送警报通知。这使得管理员能够快速响应并解决问题，确保系统的稳定性和可靠性。

Grafana用途：

Grafana的主要用途是数据可视化和监控。它可以帮助用户通过创建各种图表和仪表板来可视化数据，从而更容易地理解数据、发现趋势和问题，并做出更明智的决策。Grafana还可以与各种数据源集成，包括数据库、云服务和监控系统，帮助用户监控系统的健康状况、性能和运行情况。总的来说，Grafana是一个功能强大的工具，可以帮助用户更好地理解和管理他们的数据和系统。

一、准备Docker环境

操作系统：CentOS 7
Python版本：3.8
Locust版本：2.1

通过yum安装docker

yum install -y docker

安装完成后，查看docker版本

docker -v

创建docker虚拟网络，docker虚拟网络可以让不同的docker容器在各自独立的网络环境中运行，相互之间不会干扰；还能方便容器之间进行通信，就像一个内部的“网络小世界”；并且能让容器与外部网络进行连接，实现数据的传输和交互。

docker network create locust_network

通过以下命令查看创建的网络

docker network ls

二、部署locust的Master节点

我们需要采用Locust的分布式部署，那么Master节点的主要作用是收集数据。那么就需要在Master节点服务器上启动Locust的master与prometheus。

非常感谢大佬开源了一个集成了集成了prometheus的locust的master节点代码，可以通过下面链接下载：

https://github.com/myzhan/boomer/blob/master/prometheus_exporter.py

如果下载遇到问题，也可以直接使用下面代码：

# -*- coding: utf-8 -*-
import six
from itertools import chain
from flask import request, Response
from locust import stats as locust_stats, runners as locust_runners
from locust import User, task, events
from prometheus_client import Metric, REGISTRY, expositionclass LocustCollector(object):"""用于收集Locust的指标数据，并且以Prometheus格式导出"""registry = REGISTRYdef __init__(self, environment, runner):self.environment = environmentself.runner = runnerdef collect(self):'''该方法用于收集指标数据，并生成相应的Prometheus指标，只在locust状态为spawning或者running时收集指标。'''runner = self.runnerif runner and runner.state in (locust_runners.STATE_SPAWNING, locust_runners.STATE_RUNNING):stats = []for s in chain(locust_stats.sort_stats(runner.stats.entries), [runner.stats.total]):stats.append({'method': s.method,'name': s.name,'num_requests': s.num_requests,'num_failures': s.num_failures,'avg_response_time': s.avg_response_time,'min_response_time': s.min_response_time or 0,'max_response_time': s.max_response_time,'current_rps': s.current_rps,'median_response_time': s.median_response_time,'ninetieth_response_time': s.get_response_time_percentile(0.9),# 只有总统计数据可以使用current_response_time# 'current_response_time_percentile_95': s.get_current_response_time_percentile(0.95),'avg_content_length': s.avg_content_length,'current_fail_per_sec': s.current_fail_per_sec})# 只在worker节点中起作用errors = [e.to_dict() for e in six.itervalues(runner.stats.errors)]metric = Metric('locust_user_count', 'Swarmed users', 'gauge')metric.add_sample('locust_user_count', value=runner.user_count, labels={})yield metricmetric = Metric('locust_errors', 'Locust requests errors', 'gauge')for err in errors:metric.add_sample('locust_errors', value=err['occurrences'], labels={'path': err['name'], 'method': err['method'], 'error': err['error']})yield metricis_distributed = isinstance(runner, locust_runners.MasterRunner)if is_distributed:metric = Metric('locust_slave_count', 'Locust number of slaves', 'gauge')metric.add_sample('locust_slave_count', value=len(runner.clients.values()), labels={})yield metricmetric = Metric('locust_fail_ratio', 'Locust failure ratio', 'gauge')metric.add_sample('locust_fail_ratio', value=runner.stats.total.fail_ratio, labels={})yield metricmetric = Metric('locust_state', 'State of the locust swarm', 'gauge')metric.add_sample('locust_state', value=1, labels={'state': runner.state})yield metricstats_metrics = ['avg_content_length', 'avg_response_time', 'current_rps', 'current_fail_per_sec','max_response_time','ninetieth_response_time', 'median_response_time','min_response_time', 'num_failures', 'num_requests']for mtr in stats_metrics:mtype = 'gauge'if mtr in ['num_requests', 'num_failures']:mtype = 'counter'metric = Metric('locust_stats_' + mtr, 'Locust stats ' + mtr, mtype)for stat in stats:# aggregstat的方法标签是None，所以将它命名为aggregstatif 'Aggregated' != stat['name']:metric.add_sample('locust_stats_' + mtr, value=stat[mtr], labels={'path': stat['name'], 'method': stat['method']})else:metric.add_sample('locust_stats_' + mtr, value=stat[mtr], labels={'path': stat['name'], 'method': 'Aggregated'})yield metric@events.init.add_listener
def locust_init(environment, runner, **kwargs):if environment.web_ui and runner:@environment.web_ui.app.route('/export/prometheus')def prometheus_exporter():registry = REGISTRYencoder, content_type = exposition.choose_encoder(request.headers.get('Accept'))if 'name[]' in request.args:registry = REGISTRY.restricted_registry(request.args.get('name[]'))body = encoder(registry)return Response(body, content_type=content_type)REGISTRY.register(LocustCollector(environment, runner))class Dummy(User):@task(20)def hello(self):pass
1、下载完成后，将prometheus_exporter.py上传至当做master节点的服务器
2、启动Locust的Master节点

启动命令如下：

docker run -p 8089:8089 -p 5557:5557 -v $PWD/prometheus_exporter.py:/mnt/locust/locustfile.py --name=locust_master --network=locust_network --network-alias=locust_master locustio/locust -f /mnt/locust/locustfile.py --master

执行命令时，会自动下载镜像，可以不用执行docker pull。

对于这条命令的解释：

docker run：运行一个 Docker 容器。-p 8089:8089 -p 5557:5557：将主机的 8089 端口和 5557 端口分别映射到容器的 8089 端口和 5557 端口。-v $PWD/prometheus_exporter.py:/mnt/locust/locustfile.py：将当前工作目录下的prometheus_exporter.py文件挂载到容器的/mnt/locust/locustfile.py位置。--name=locust_master：为容器命名为locust_master。--network=locust_network：指定容器使用的网络为locust_network。--network-alias=locust_master：为容器在网络中设置别名locust_master。locustio/locust -f /mnt/locust/locustfile.py --master：指定使用locustio/locust镜像，并指定要运行的文件为/mnt/locust/locustfile.py，以主节点模式运行。

如果执行上面命令在启动容器时出现报错
在这里插入图片描述

说明容器里面没有安装prometheus_client库，需要进行手动安装。手动安装完成后可以重新打一个镜像，避免后续报错，此处先描述一下如何进行手动安装，首先我们要现将容器启动起来，然后进入容器内部进行包的安装。

编辑prometheus_exporter.py文件

vim prometheus_exporter.py

在文件的第二行添加两行代码，然后保存文件。

关于vim编辑器的使用可以参考之前给大家分享的linux常用命令：
作为测试人员的Linux常用命令

import os
os.system("tail -f /dev/null")

在这里插入图片描述

这两行代码的意思是使用os.system方法执行命令tail -f /dev/null，会持续追踪/dev/null文件的内容（实际上/dev/null是一个空设备，不会有实际内容）。一般用于在后台保持进程运行，这样容器就可以正常启动。

重启docker的master节点容器

docker restart locust_master

查看容器运行状态，locust_master容器启动成功。

docker ps -a

进入到locust_master容器中。

docker exec -it locust_master /bin/bash

进入容器后，使用pip安装prometheus_client包。

pip install prometheus_client

安装成功后，通过exit退出容器回到服务器上，再次使用vim编辑prometheus_exporter.py文件，删除刚刚添加的两行代码，保存文件。

还原prometheus_exporter.py文件后，再次重启master节点容器

docker restart locust_master
3、验证Locust的Master节点

重启完成后，打开浏览器，在浏览器输入http://master-ip:8089可以访问到locust的原生web页面。
在这里插入图片描述

然后在浏览器输入http://master-ip:8089/export/prometheus
如果出现如下图的prometheus数据，表示master节点启动正确。
在这里插入图片描述

4、启动Prometheus

在master节点服务器上创建prometheus.yml配置文件，并且写入以下内容：

global:scrape_interval:     10sevaluation_interval: 10sscrape_configs:- job_name: prometheusstatic_configs:- targets: ['localhost:9090']labels:instance: prometheus- job_name: locustmetrics_path: '/export/prometheus'static_configs:- targets: ['locust_master:8089']  # 这里是locust的master节点启动命令中的network-alias后面的参数 + 内部端口，不要写外部映射的端口号labels:instance: locust

运行下面命令创建prometheus容器

docker run -d -p 9090:9090 -v $PWD/prometheus.yml:/etc/prometheus/prometheus.yml --name=prometheus --network=locust_network --network-alias=prometheus prom/prometheus

对于这条命令的解释：

docker run：运行一个 Docker 容器。-d：以守护进程模式运行容器。-p 9090:9090：将主机的 9090 端口映射到容器的 9090 端口。-v $PWD/prometheus.yml:/etc/prometheus/prometheus.yml：将当前工作目录下的prometheus.yml文件挂载到容器的/etc/prometheus/prometheus.yml位置。--name=prometheus：给容器命名为“prometheus”。--network=locust_network：指定容器使用的网络为“locust_network”。--network-alias=prometheus：为容器在网络中设置别名“prometheus”。prom/prometheus：指定要使用的镜像为“prom/prometheus”

查看容器运行状态

docker ps -a

启动容器成功后进行验证
浏览器输入http://master-ip:9090/targets，出现如下页面，则代表服务运行正常。
在这里插入图片描述

5、启动Grafana

使用以下命令启动grafana容器

docker run -d -p 3000:3000 --name grafana --network=locust_network grafana/grafana

对于这条命令的解释：

docker run：启动一个 Docker 容器。-d：表示在后台以守护进程的方式运行。-p 3000:3000：将主机的 3000 端口映射到容器的 3000 端口。--name grafana：给容器命名为“grafana”。--network=locust_network：指定容器使用“locust_network”网络。grafana/grafana：使用“grafana/grafana”镜像来创建容器。

浏览器输入http://master_ip:3000
在这里插入图片描述

首次登录用户名和密码都是admin，进去了之后需要修改密码，登录后进入Configuration

在这里插入图片描述

添加一个数据源。
在这里插入图片描述

选择数据源为prometheus。
在这里插入图片描述

配置数据源的url，url处输入创建prometheus容器时的–network-alias的别名:9090，所以此处需要填写http://prometheus:9090。
在这里插入图片描述

导入仪表盘模版。
在这里插入图片描述

输入id为12081，点击load，来加载locust性能测试的仪表盘模版。
在这里插入图片描述

选择完仪表盘模版后选择数据源，选择prometheus，点击import。
在这里插入图片描述

导入成功后，出现如下页面，此时通过locust执行测试的数据将会展示在仪表盘中。
在这里插入图片描述

关于启动用户数的图表配置：

id为12081的这个模版中缺少Locust的用户数量指标，需要额外进行创建。

点击仪表盘上方添加图表按钮
在这里插入图片描述

在这里插入图片描述

数据源选择prometheus，然后下方的Metrics browser处填写locust_user_count，最后点击右上角的Apply，此时仪表盘中会显示启动用户数据。
在这里插入图片描述

三、部署Locust的Worker节点

关于Locust压测脚本编写有很多种方式，需要具备一定的python编程基础，可以参照：
使用Python3 + Locust进行性能测试
worker节点启动的py文件是压测需要的业务代码。
以下是一个单接口压测的例子：

# -*- coding:utf-8 -*-
from locust import User, task, events
import requests
import time
import json__doc__ = '埋点接口压测脚本'class Dummy(User):@taskdef send_lingge_burying_point(self):"""发送埋点接口"""api_url = 'https://app.xxxxxxxxx.cn/app_v1/advert/dataBack'headers = {'Content-Type': 'application/x-www-form-urlencoded'}request_data = {'androidid': '0', 'appType': 'ios-app-user', 'appVersion': '1.61.0', 'channel': 'ios-official','deviceBrand': 'iPhone', 'deviceModel': 'iPhone XS','equipmentId': '09bf8295234a91723908172394635c98f', 'eventName': 'obtainLocationInformation','eventParam': json.dumps({"cityCode": "110000"}), 'idfa': '00000000-0000-0000-0000-000000000000','interfaceType': 'event', 'mac': '0', 'oaid': '0', 'osType': 'iOS', 'platform': 'ios','systemVersion': '15.5'}start_time = time.time()try:response = requests.post(url=api_url, params=request_data, headers=headers)response_text = json.loads(response.text)total_time = int((time.time() - start_time) * 1000)if response_text['success'] is True:events.request_success.fire(request_type="HTTPS", name="埋点接口-成功", response_time=total_time, response_length=len(response_text))else:events.request_failure.fire(request_type="HTTPS", name="埋点接口-失败", response_time=total_time, response_length=len(response_text))except Exception as e:total_time = int((time.time() - start_time) * 1000)events.request_failure.fire(request_type="HTTPS", name="埋点接口-错误", response_time=total_time, exception=f'埋点接口错误:{e}', response_length=0)

文件名称为locust_burial_point.py

将locust_burial_point.py上传到服务器，然后执行下面命令，来启动worker节点。

docker run -d -v $PWD/locust_worker.py:/mnt/locust/locustfile.py --name=locust_worker --network=locust_network locustio/locust -f /mnt/locust/locustfile.py --worker --master-host locust_master --master-port 5557

对于这条命令的解释：

docker run：运行 Docker 容器。-d：以守护进程模式运行。-v $PWD/locust_worker.py:/mnt/locust/locustfile.py：将当前工作目录下的locust_worker.py文件挂载到容器内的/mnt/locust/locustfile.py位置。--name=locust_worker：给容器命名为“locust_worker”。--network=locust_network：指定容器使用“locust_network”网络。locustio/locust：使用“locustio/locust”镜像。-f /mnt/locust/locustfile.py：指定要运行的文件为/mnt/locust/locustfile.py。--worker：以工作节点模式运行。--master-host locust_master：指定主节点的主机名。--master-port 5557：指定主节点的端口号。

启动成功后，查看容器运行状态。

docker ps -a

此时Master和Worker节点都已经正确启动，进入master节点的Locust web页面，可以看到worker数变为了1。
在这里插入图片描述

到此，大功告成，可以输入总用户数和每秒启动数来进行压测了，压测过程中，可以通过grafana的仪表盘分析测试过程与结果。

在此处贴一张我前段时间压测过程中的图：
在这里插入图片描述

四、搭建docker私有仓库（扩展）

1、修改/etc/docker/daemon.json文件，添加信任。
将以下内容添加到文件中

"insecure-registries":["http://master-ip:8080"]

2、重新加载并且重启docker

# 重加载
systemctl daemon-reload
# 重启docker
systemctl restart docker

3、部署带有图象界面的DockerRegistry容器，用来管理镜像。

创建registry-ui目录，并且进入到目录中。

mkdir registry-ui && cd registry-ui

创建docker-compose.yml文件。

touch docker-compose.yml

将以下内容写入docker-compose.yml，REGISTRY_URL需要修改为服务器的ip地址，然后保存文件。

version: '3.0'
services:registry:image: registry volumes:- ./registry-data:/var/lib/registryui:image: joxit/docker-registry-ui:staticports:- 8080:80environment:- REGISTRY_TITLE=这是一个性能测试镜像仓库- REGISTRY_URL=http://master_ip:5000depends_on:- registry

在registry-ui目录中启动。

docker-compose up -d

启动成功后访问http://master_ip:8080，出现下图则代表启动成功。
在这里插入图片描述

最后，关于如何创建镜像、上传下载镜像等，以及docker的常用命令，大家可以阅读：Docker常用命令

希望本文能给大家的测试工作带来一定的帮助，谢谢~

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/web/5181.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Oracle 表分区

Oracle 表分区

1.概述 分区表就是将表在物理存储层面分成多个小的片段，这些片段即称为分区，每个分区保存表的一部分数据，表的分区对上层应用是完全透明的，从应用的角度来看，表在逻辑上依然是一个整体。 目的：提高大表的查…
阅读更多...
信息收集。

信息收集。

信息收集 接着使用cs进行信息收集 发现域内管理员账号。 然后查看pc信息， 查看进程。 发现域为god.org 尝试定位域控。 提权 使用cs的功能进行权限提权 成功获取管理员权限。 hash抓取 接着抓hash 成功抓到管理员账号、密码。 接着进行横向传递 成功获取AD和…
阅读更多...
React的数据Mock实现

React的数据Mock实现

在前后端分类的开发模式下，前端可以在没有实际后端接口的支持下先进行接口数据的模拟，进行正常的业务功能开发 1. 常见的Mock方式 2. json-server实现Mock 实现步骤： 项目中安装json-server npm i -D json-server准备一个json文件 {"…
阅读更多...
计算机毕业设计python基于django框架的网上拍卖系统

计算机毕业设计python基于django框架的网上拍卖系统

创新点：本系统采用英国式拍卖和荷兰式拍卖两种模式，英国式拍卖也叫升价拍卖。这是最普遍的一种拍卖方式。拍卖人设定一个底价，竞买人相继给出更高的价格，最终出价最高者胜出，并支付最高价。这种形式在电影中非常常见&a…
阅读更多...
PHP源码_新ui潮乎盲盒_h5源码

PHP源码_新ui潮乎盲盒_h5源码

运行截图 源码贡献 https://githubs.xyz/boot?app40 数据库部份表 -- -- 表的结构 la_box_mark --CREATE TABLE la_box_mark (id int(10) UNSIGNED NOT NULL,icon varchar(191) COLLATE utf8_unicode_ci DEFAULT ,bg_thumb varchar(191) COLLATE utf8_unicode_ci DEFAULT N…
阅读更多...
react props传参

react props传参

props是父子传参的常用方法。 一、主要功能 1.传参 定义：父级组件向子级组件传递参数。 2.验证数据类型格式 定义：可以指定父组件传递过来数据为指定类型。 3.设置默认值 定义：在参数未使用时，直接默认为指定值。 二、实例代…
阅读更多...
c++详解栈和队列——及模拟实现stack——queue——例题

c++详解栈和队列——及模拟实现stack——queue——例题

初来乍到，望大家点点赞，点点关注，谢谢各位看官老爷 个人主页 在c语言中我们已经模拟实现过栈和队列了，对其底层结构有了基本的认识 栈和队列的详讲 文章目录 目录 文章目录 前言 一、了解栈和队列是什么？ ​编辑​编辑…
阅读更多...
【信号与系统杂谈 - 1】为什么拉普拉斯变换有收敛域而傅里叶变换没有

【信号与系统杂谈 - 1】为什么拉普拉斯变换有收敛域而傅里叶变换没有

这个问题是我在推导傅里叶变换的时移特性公式和拉普拉斯变换的延时特性公式时发现的（即拉氏变换总是需要考虑收敛域的原因） 援引知乎上的回答解释
阅读更多...
【Linux系统编程】第十一弹---编辑器vim使用

【Linux系统编程】第十一弹---编辑器vim使用

✨个人主页： 熬夜学编程的小林 💗系列专栏： 【C语言详解】 【数据结构详解】【C详解】【Linux系统编程】 目录 1、vim的基本概念 2、vim的基本操作 3、vim插入模式命令集 4、vim正常(命令)模式命令集 5、vim末行模式命令集 6、vim操作…
阅读更多...
支持向量机回归（概念+实例）

支持向量机回归（概念+实例）

目录 前言 一、基本概念 1. 支持向量机回归的原理 2. 支持向量机回归的工作方式 3. 支持向量机回归的优缺点 4. 支持向量机回归的应用 二、实例 前言 支持向量机（Support Vector Machine，SVM）是一种强大的机器学习算法，最初…
阅读更多...
数据结构与算法（Java版） | 详解十大经典排序算法之一：插入排序

数据结构与算法（Java版） | 详解十大经典排序算法之一：插入排序

接下来，我来给大家讲解第三种排序算法，即插入排序。 基本介绍 首先，我们来看下插入排序的基本介绍。 插入排序，其属内部排序法，是对于欲排序的元素以插入的方式来找寻该元素的适当位置，以便最终达到排序…
阅读更多...
2024年十五届蓝桥杯省赛大学B组真题（Java完整版）

2024年十五届蓝桥杯省赛大学B组真题（Java完整版）

2024年十五届蓝桥杯省赛大学B组真题（Java） 前言： 赛后一直犹豫要不要对比赛进行复盘出个题解，拖到了现在，终于也是等到比赛结果出来，看到没有辜负个人期望成功取得省一，决定在国赛前对省赛进行…
阅读更多...
根据txt文件绘制词云 -- python

根据txt文件绘制词云 -- python

根据一段文字绘制词云，我们有两种方法 ，一种是登录专业的绘图网站http://yciyun.com/ 不过，貌似这个网站需要会员才可以体验，他只是给出了一些形状图案的词云，虽然看起来很精美，但是他不能让我们自己随意更…
阅读更多...
第三节课，功能2：开发后端用户的管理接口5min(用户的查询/状态更改)【4】【9开始--本人】

第三节课，功能2：开发后端用户的管理接口5min(用户的查询/状态更改)【4】【9开始--本人】

一、代码任务 【录个屏】 二、写代码 2.1 代码文件位置 2.2 代码如下： 2.3 官方文档： 网址： 逻辑删除 | MyBatis-Plus (baomidou.com) 三、代码有bug，没有鉴权，表里添加一个字段。role 管理员 3.1 判断操作的人&am…
阅读更多...
Slave SQL线程与PXB FTWRL死锁问题分析

Slave SQL线程与PXB FTWRL死锁问题分析

1. 问题背景 2.27号凌晨生产环境MySQL备库在执行备份期间出现因FLUSH TABLES WITH READ LOCK未释放导致备库复制延时拉大，慢日志内看持锁接近25分钟未释放。 版本： MySQL 5.7.21PXB 2.4.18 慢查询日志： 备份脚本中的备份命令：…
阅读更多...
spring boot 基础案例【3】构建RESTful API与单元测试

spring boot 基础案例【3】构建RESTful API与单元测试

教程1 案例教程 案例仓库 在线编程 教程2 基础教程 教程仓库 在线编程 本案例所在的仓库 本案例所在的文档 进入正文 1.文件目录 1. Chapter21Application.java 地址：chapter2-1/src/main/java/com/didispace/chapter21/Chapter21Application.java package com.d…
阅读更多...
Flink checkpoint 源码分析- Flink Checkpoint 触发流程分析

Flink checkpoint 源码分析- Flink Checkpoint 触发流程分析

序言 最近因为工作需要在阅读flink checkpoint处理机制，学习的过程中记录下来，并分享给大家。也算是学习并记录。 目前公司使用的flink版本为1.11。因此以下的分析都是基于1.11版本来的。 在分享前可以简单对flink checkpoint机制做一个大致的了解。 …
阅读更多...
人工智慧时代的引擎：揭开机器人核心零部件的奥秘

人工智慧时代的引擎：揭开机器人核心零部件的奥秘

机器人核心零部件技术现状及趋势 工业机器人是我国制造业的“顶冠明珠”，在机器人核心零部件的研发制造上，我国在很多方面已经接近国际顶尖水平，但一些核心技术仍无法满足复杂高端领域应用需求，如精密减速器的传动精度与寿命间竞争…
阅读更多...
深度学习的瓶颈是什么！

深度学习的瓶颈是什么！

深度学习主要的瓶颈： 数据依赖与标注问题：深度学习模型通常需要大量的标注数据来进行训练。然而，获取大量的标注数据不仅成本高昂，而且在某些领域（如医疗、金融等）中可能难以获取足够的标注数据。此外&…
阅读更多...
人脸识别开源算法库和开源数据库

人脸识别开源算法库和开源数据库

目录 1. 人脸识别开源算法库 1.1 OpenCV人脸识别模块 1.2 Dlib人脸识别模块 1.3 SeetaFace6 1.4 DeepFace 1.5 InsightFace 2. 人脸识别开源数据库 2.1 CelebA 2.2 LFW 2.3 MegaFace 2.4 Glint360K 2.5 WebFace260M 人脸识别 (Face Recognition) 是一种基于人的面部…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023